211service.com
Datorprogramma, kas mācās iztēloties pasauli, parāda, kā AI var domāt vairāk kā mēs
DeepMind attīstība varētu radīt mašīnas, kas var labāk uztvert ainu. 2018. gada 14. jūnijs
Deepmind
Mašīnām būs daudz labāk pašam jāizprot pasaule, ja tās kādreiz kļūs patiesi inteliģentas.
DeepMind , Alphabet meitasuzņēmums, kas koncentrējas uz mākslīgo intelektu, ir spēris soli šajā virzienā, izveidojot datorprogrammu, kas pati veido garīgo priekšstatu par pasauli. Varētu teikt, ka tas mācās iedomāties apkārtējo pasauli.
Sistēma, kas izmanto to, ko DeepMind pētnieki sauc par ģeneratīvo vaicājumu tīklu (GQN), aplūko ainu no vairākiem leņķiem un pēc tam var aprakstīt, kā tā izskatītos no cita leņķa.
Tas varētu šķist triviāli, taču tam ir vajadzīgas salīdzinoši sarežģītas spējas uzzināt par fizisko pasauli. Atšķirībā no daudzām mākslīgā intelekta redzes sistēmām, programma DeepMind ļauj uztvert ainu vairāk kā cilvēks. Pat ja, piemēram, kaut kas ir daļēji aizsegts, tas var pamatot to, kas tur atrodas.
Galu galā šāda tehnoloģija varētu kalpot par pamatu dziļākam mākslīgajam intelektam, ļaujot mašīnām aprakstīt un spriest par pasauli daudz sarežģītāk.
Ali Eslami, DeepMind pētnieks, un viņa kolēģi pārbaudīja pieeju trīs virtuālos iestatījumos: blokam līdzīga galda virsma, virtuāla robota roka un vienkāršs labirints. Sistēma izmanto divus neironu tīklus; viens mācās, bet otrs ģenerē vai iztēlojas jaunas perspektīvas. Sistēma tver ainas aspektus, tostarp objektu formas, pozīcijas un krāsas, izmantojot vektora attēlojumu, kas padara to salīdzinoši efektīvu. Pētījums parādās žurnālā Zinātne šodien.
Šis darbs ir jauns virziens uzņēmumam DeepMind, kas savu vārdu ieguvis, izstrādājot programmas, kas spēj veikt ievērojamus varoņdarbus, tostarp iemācīties spēlēt sarežģīto un abstrakto galda spēli Go. Jaunais projekts balstās uz citiem akadēmiskiem pētījumiem, kuru mērķis ir atdarināt cilvēka uztveri un inteliģenci, izmantojot līdzīgus skaitļošanas rīkus.
Tas ir interesants un vērtīgs solis pareizajā virzienā, saka Džošs Tenenbaums , profesors, kurš vada MIT skaitļošanas kognitīvās zinātnes grupu.
Tenenbaums saka, ka spēja risināt sarežģītas ainas modulārā veidā ir iespaidīga, taču piebilst, ka pieeja parāda tādus pašus ierobežojumus kā citas mašīnmācīšanās metodes, tostarp nepieciešamība pēc milzīga apmācības datu apjoma: žūrija joprojām nezina, cik daudz no problēmas, ko tas atrisina.
Sems Gēršmens , kurš vada Hārvardas skaitļošanas kognitīvās neirozinātnes laboratoriju, saka, ka DeepMind darbs apvieno dažas svarīgas idejas par cilvēka vizuālās uztveres darbību. Bet viņš atzīmē, ka, tāpat kā citas AI programmas, tā ir nedaudz šaura, jo tā var atbildēt tikai uz vienu vaicājumu: kā aina izskatītos no cita skatu punkta?
Turpretī cilvēki var atbildēt uz bezgalīgi dažādiem jautājumiem par ainu, saka Geršmans. Kā izskatītos aina, ja es zilo apli nedaudz pabīdītu pa kreisi, pārkrāsotu sarkano trīsstūri vai saspiestu dzelteno kubu?
Gershman saka, ka nav skaidrs, vai DeepMind pieeju varētu pielāgot, lai atbildētu uz sarežģītākiem jautājumiem, vai arī varētu būt nepieciešama kāda būtiski atšķirīga pieeja.