211service.com
Ett datorprogram som lär sig att föreställa sig världen visar hur AI kan tänka mer som vi
DeepMinds framsteg kan leda till maskiner som kan ge bättre känsla för en scen. 14 juni 2018
Deepmind
Maskiner kommer att behöva bli mycket bättre på att förstå världen på egen hand om de någonsin ska bli riktigt intelligenta.
DeepMind , det AI-fokuserade dotterbolaget till Alphabet, har tagit ett steg i den riktningen genom att göra ett datorprogram som bygger en mental bild av världen helt av sig själv. Man kan säga att den lär sig att föreställa sig omvärlden.
Systemet, som använder vad DeepMinds forskare kallar ett generativt frågenätverk (GQN), tittar på en scen från flera vinklar och kan sedan beskriva hur den skulle se ut från en annan vinkel.
Detta kan verka trivialt, men det kräver en relativt sofistikerad förmåga att lära sig om den fysiska världen. I motsats till många AI-visionsystem ger DeepMind-programmet en mening med en scen mer som en person gör. Även om något är delvis tilltäppt, till exempel, kan det resonera kring vad som finns där.
Så småningom kan sådan teknik hjälpa till att fungera som grunden för djupare artificiell intelligens, som låter maskiner beskriva och resonera om världen med mycket större sofistikering.
Ali Eslami, en forskare vid DeepMind, och hans kollegor testade tillvägagångssättet på tre virtuella inställningar: en blockliknande bordsskiva, en virtuell robotarm och en enkel labyrint. Systemet använder två neurala nätverk; en lär sig och en annan genererar, eller föreställer sig, nya perspektiv. Systemet fångar aspekter av en scen, inklusive objektformer, positioner och färger, med hjälp av en vektorrepresentation, vilket gör det relativt effektivt. Forskningen visas i tidskriften Vetenskap i dag.
Arbetet är något av en ny riktning för DeepMind, som har skapat sitt namn genom att utveckla program som kan utföra anmärkningsvärda bedrifter, inklusive att lära sig spela det komplexa och abstrakta brädspelet Go. Det nya projektet bygger på annan akademisk forskning som försöker efterlikna mänsklig perception och intelligens med hjälp av liknande beräkningsverktyg.
Det är ett intressant och värdefullt steg i rätt riktning, säger Josh Tenenbaum , en professor som leder Computational Cognitive Science-gruppen vid MIT.
Tenenbaum säger att förmågan att hantera komplexa scener på ett modulärt sätt är imponerande men tillägger att tillvägagångssättet visar samma begränsningar som andra maskininlärningsmetoder, inklusive ett behov av en enorm mängd träningsdata: Juryn är fortfarande ute på hur mycket av problemet detta löser.
Sam Gershman , som leder Computational Cognitive Neuroscience Lab vid Harvard, säger att DeepMind-arbetet kombinerar några viktiga idéer om hur mänsklig visuell perception fungerar. Men han noterar att den, precis som andra AI-program, är något smal, eftersom den bara kan svara på en enda fråga: hur skulle en scen se ut från en annan synvinkel?
Däremot kan människor svara på en oändlig mängd frågor om en scen, säger Gershman. Hur skulle en scen se ut om jag flyttade den blå cirkeln en bit åt vänster, eller målade om den röda triangeln eller klämde ihop den gula kuben?
Gershman säger att det är oklart om DeepMinds tillvägagångssätt skulle kunna anpassas för att besvara mer komplexa frågor eller om något fundamentalt annorlunda tillvägagångssätt kan krävas.