211service.com
AI, kas bruņots ar vairākām maņām, varētu iegūt elastīgāku intelektu
Cilvēka inteliģence rodas no mūsu sajūtu un valodas spēju kombinācijas. Varbūt tas pats attiecas uz mākslīgo intelektu.
Selmana dizains
2021. gada 24. februāris
Kāpēc tas ir svarīgi:AI, kas spēj uztvert un runāt, daudz labāk spēs orientēties jaunos izaicinājumos un strādāt kopā ar cilvēkiem.
Galvenie spēlētāji:• OpenAI
• AI2
• Facebook
Pieejamība:Tagad
2012. gada beigās AI zinātnieki pirmo reizi izdomāja, kā iegūt neironu tīkli, ko redzēt. Viņi pierādīja, ka programmatūra, kas izstrādāta, lai brīvi atdarinātu cilvēka smadzenes, var ievērojami uzlabot esošās datorredzes sistēmas. Kopš tā laika šī joma ir iemācījusies, kā panākt, lai neironu tīkli atdarinātu to, kā mēs spriest, dzirdēt, runāt un rakstīt .
Taču, lai gan mākslīgais intelekts ir kļuvis ārkārtīgi līdzīgs cilvēkam — pat pārcilvēciskam —, lai sasniegtu konkrētu uzdevumu, tas joprojām neaptver cilvēka smadzeņu elastību. Mēs varam apgūt prasmes vienā kontekstā un pielietot tās citā. Turpretim DeepMind spēļu spēlēšanas algoritms AlphaGo var pārspēt pasaules labākos Go meistarus, tas nevar paplašināt šo stratēģiju ārpus tāfeles. Citiem vārdiem sakot, padziļinātas mācīšanās algoritmi ir meistarīgi modeļu uztverē, taču viņi nevar saprast mainīgo pasauli un pielāgoties tai.
Šis stāsts bija daļa no mūsu 2021. gada marta numura
- Skatiet pārējo izdevuma daļu
- Abonēt
Pētniekiem ir daudz hipotēžu par to, kā šo problēmu varētu pārvarēt, taču viena ir guvusi īpašu uzmanību. Bērni mācās par pasauli, sajūtot un runājot par to. Kombinācija šķiet galvenā. Kad bērni sāk saistīt vārdus ar skatiem, skaņām un citu maņu informāciju, viņi spēj aprakstīt arvien sarežģītākas parādības un dinamiku, atdalīt cēloņsakarību no tā, kas atspoguļo tikai korelāciju, un izveidot izsmalcinātu pasaules modeli. Šis modelis palīdz viņiem orientēties nepazīstamā vidē un iekļaut jaunas zināšanas un pieredzi kontekstā.
Saistīts stāsts
DeepMind AI tagad ir pārspējis gandrīz visus StarCraft II spēlētājus AlphaStar sadarbojās ar sevi, lai apgūtu jaunas stratēģijas populārās galaktikas kara spēles iekarošanai.No otras puses, AI sistēmas ir veidotas tā, lai vienlaikus veiktu tikai vienu no šīm darbībām. Datorredzes un audio atpazīšanas algoritmi var sajust lietas, bet nevar izmantot valodu, lai tās aprakstītu. Dabiskās valodas modelis var manipulēt ar vārdiem, bet vārdi ir atdalīti no jebkuras maņu realitātes. Ja sajūtas un valodu apvienotu, lai dotu an AI ir vairāk cilvēkiem līdzīgs veids, kā vākt un apstrādāt jaunu informāciju , vai tas beidzot varētu attīstīt kaut ko līdzīgu pasaules izpratnei?
Cerams, ka šīs multimodālās sistēmas, kurām ir piekļuve gan maņu, gan lingvistiskajiem cilvēka intelekta veidiem, radīs spēcīgāku AI veidu, kas var vieglāk pielāgoties jaunām situācijām vai problēmām. Šādi algoritmi varētu palīdzēt mums risināt sarežģītākas problēmas vai tikt pārveidoti par robotiem, kas var sazināties un sadarboties ar mums mūsu ikdienas dzīvē.
Ir palīdzējuši jauni sasniegumi valodas apstrādes algoritmos, piemēram, OpenAI GPT-3. Pētnieki tagad saprot, kā pietiekami labi atkārtot valodas manipulācijas, lai tās apvienošana ar uztveršanas iespējām būtu potenciāli auglīgāka. Sākumā viņi izmanto pašu pirmo šajā jomā sasniegto sensoru iespēju: datora redzi. Rezultāti ir vienkārši bimodāli modeļi vai vizuālās valodas AI .
Pagājušajā gadā šajā jomā ir gūti vairāki aizraujoši rezultāti. Septembrī Alena Mākslīgā intelekta institūta AI2 pētnieki izveidoja modeli, kas spēj ģenerēt attēlu no teksta paraksta , demonstrējot algoritma spēju saistīt vārdus ar vizuālo informāciju. Novembrī Ziemeļkarolīnas Universitātes Chapel Hill pētnieki izstrādāja metodi, kas iekļauj attēlus esošajos valodu modeļos , kas uzlaboja modeļu lasīšanas izpratni.
2021. gads10 izrāvienu tehnoloģijas
Pēc tam OpenAI izmantoja šīs idejas, lai paplašinātu GPT-3. 2021. gada sākumā laboratorija izlaida divus vizuālās valodas modeļus. Attēlā esošie objekti tiek saistīti ar vārdiem, kas tos apraksta parakstā. Otra ģenerē attēlus, pamatojoties uz apgūto jēdzienu kombināciju. Varat to mudināt, piemēram, izveidot gleznu ar kapibaru, kas saullēktā sēž laukā. Lai gan tas, iespējams, to nekad agrāk nav redzējis, tas var sajaukt un saskaņot to, ko tas zina par gleznām, kapibarām, laukiem un saullēktiem, lai izsapņotu desmitiem piemēru.
Elastīgākas informācijas sasniegšana ne tikai atbloķētu jaunas AI lietojumprogrammas, bet arī padarītu tās drošākas.
Sarežģītākas multimodālās sistēmas ļaus arī vairāk uzlaboti robotu palīgi (domājiet par robotiem sulaiņiem, ne tikai Alexa). Pašreizējās paaudzes ar AI darbināmi roboti galvenokārt izmanto vizuālos datus, lai pārvietotos un mijiedarbotos ar apkārtni. Tas ir piemērots vienkāršu uzdevumu veikšanai ierobežotā vidē, piemēram, pasūtījumu izpildei noliktavā. Taču tādas laboratorijas kā AI2 strādā, lai pievienotu valodu un iekļautu vairāk sensoru ievades, piemēram, audio un taustes datus, lai iekārtas varētu saprast komandas un veikt sarežģītākas darbības, piemēram, atvērt durvis, kad kāds klauvē.
Ilgtermiņā multimodālie sasniegumi varētu palīdzēt pārvarēt dažus no AI lielākajiem ierobežojumiem. Eksperti apgalvo, piemēram, ka tā nespēja izprast pasauli ir arī iemesls, kāpēc tas var viegli piedzīvot neveiksmi vai tikt piemānīts. (Attēlu var mainīt tādā veidā, kas cilvēkiem nav pamanāms, bet liek mākslīgajam intelektam to identificēt kā kaut ko pavisam citu.) Elastīgākas informācijas iegūšana ne tikai atbloķētu jaunas AI lietojumprogrammas, bet arī padarītu tās drošākas. Algoritmi, kas pārbauda CV, neuzskata tādas neatbilstošas īpašības kā dzimums un rase kā spēju pazīmes. Pašbraucošās automašīnas nezaudētu orientāciju nepazīstamā vidē un nesadurtos tumsā vai sniegotā laikā. Multimodālās sistēmas varētu kļūt par pirmo mākslīgo intelektu, ko mēs varam patiesi uzticēt savai dzīvei.