211service.com
Kompiuterinė programa, kuri mokosi įsivaizduoti pasaulį, parodo, kaip AI gali mąstyti labiau kaip mes
„DeepMind“ pažanga gali paskatinti mašinas, kurios gali geriau suprasti sceną. 2018 m. birželio 14 d
Gilus protas
Mašinos turės daug geriau suprasti pasaulį, jei jos kada nors taps tikrai protingos.
DeepMind „Alphabet“ dukterinė dirbtinio intelekto įmonė žengė žingsnį ta linkme, sukurdama kompiuterinę programą, kuri pati kuria psichinį pasaulio vaizdą. Galima sakyti, kad jis mokosi įsivaizduoti jį supantį pasaulį.
Sistema, kuri naudoja tai, ką DeepMind tyrėjai vadina generatyviniu užklausų tinklu (GQN), žvelgia į sceną iš kelių pusių ir gali apibūdinti, kaip ji atrodytų kitu kampu.
Tai gali atrodyti nereikšminga, tačiau tam reikia gana sudėtingo gebėjimo sužinoti apie fizinį pasaulį. Priešingai nei daugelis AI regėjimo sistemų, programa DeepMind įprasmina sceną labiau, kaip tai daro žmogus. Net jei, pavyzdžiui, kažkas yra iš dalies užkimštas, tai gali pagrįsti, kas ten yra.
Galiausiai tokia technologija gali padėti tapti gilesnio dirbtinio intelekto pagrindu, leisdama mašinoms aprašyti ir mąstyti apie pasaulį daug sudėtingiau.
Ali Eslami, „DeepMind“ mokslininkas, ir jo kolegos išbandė metodą trimis virtualiais parametrais: bloko pavidalo stalviršiu, virtualia roboto ranka ir paprastu labirintu. Sistema naudoja du neuroninius tinklus; vienas mokosi, o kitas sukuria arba įsivaizduoja naujas perspektyvas. Sistema fiksuoja scenos aspektus, įskaitant objektų formas, padėtis ir spalvas, naudodama vektorinį vaizdą, todėl ji yra gana efektyvi. Tyrimas pasirodo žurnale Mokslas šiandien.
Darbas yra kažkokia nauja „DeepMind“ kryptis, kuri išgarsino savo vardą kurdama programas, galinčias atlikti nuostabius žygdarbius, įskaitant mokymąsi žaisti sudėtingą ir abstraktų stalo žaidimą „Go“. Naujasis projektas remiasi kitais akademiniais tyrimais, kuriais siekiama imituoti žmogaus suvokimą ir intelektą naudojant panašias skaičiavimo priemones.
Tai įdomus ir vertingas žingsnis teisinga kryptimi, sako Joshas Tenenbaumas , profesorius, vadovaujantis MIT Kompiuterinio pažinimo mokslo grupei.
Tenenbaumas teigia, kad gebėjimas tvarkyti sudėtingas scenas moduliniu būdu yra įspūdingas, tačiau priduria, kad šis metodas rodo tuos pačius apribojimus kaip ir kiti mašininio mokymosi metodai, įskaitant poreikį turėti daug mokymo duomenų: žiuri vis dar nežino, kiek problemos, kurią tai išsprendžia.
Samas Gershmanas , Harvardo Kompiuterinės kognityvinės neurologijos laboratorijos vadovas, teigia, kad „DeepMind“ darbas apjungia keletą svarbių idėjų apie žmogaus regėjimo suvokimo veikimą. Tačiau jis pažymi, kad, kaip ir kitos AI programos, ji yra šiek tiek siaura, nes gali atsakyti tik į vieną užklausą: kaip scena atrodytų kitu požiūriu?
Priešingai, žmonės gali atsakyti į begalę užklausų apie sceną, sako Gershmanas. Kaip atrodytų scena, jei mėlyną apskritimą pastumčiau šiek tiek į kairę, perdažyčiau raudoną trikampį arba sutraukčiau geltoną kubą?
Gershmanas sako, kad neaišku, ar DeepMind metodas galėtų būti pritaikytas atsakyti į sudėtingesnius klausimus, ar gali prireikti kitokio požiūrio.