211service.com
Lai kļūtu patiesi gudrs, AI, iespējams, būs jāspēlē vairāk videospēļu
Jaunākās datorspēles var būt fantastiski reālistiskas. Pārsteidzoši, ka šīm reālistiskajām virtuālajām pasaulēm var būt arī kāda izglītojoša vērtība — īpaši jaunajiem AI algoritmiem.
Adriens Gaidons, datorzinātnieks plkst Xerox pētniecības centrs Eiropā Grenoblē, Francijā, atceras, ka skatījies, kā kāds spēlē videospēli Assassins Creed kad viņš saprata, ka spēles fotoreālistiskā ainava var piedāvāt noderīgu veidu, kā mācīt AI algoritmus par reālo pasauli. Gaidons tagad pārbauda šo ideju, izstrādājot ļoti reālistiskas 3-D vides, lai apmācītu algoritmus, kā atpazīt konkrētus reālās pasaules objektus vai scenārijus.
Ideja ir svarīga, jo progresīvajiem AI algoritmiem ir jābaro milzīgs datu daudzums, lai iemācītos veikt kādu uzdevumu. Dažreiz tā nav problēma. Piemēram, Facebook ir miljoniem marķētu fotogrāfiju, ar kurām var apmācīt algoritmus, kas automātiski atzīmē draugus, augšupielādējot attēlus (skatiet sadaļu Facebook izveido programmatūru, kas atbilst sejām gandrīz tikpat labi kā jūs). Tāpat Google tver milzīgus datu apjomus, izmantojot savas pašbraucošās automašīnas, kas pēc tam tiek izmantoti, lai uzlabotu algoritmus, kas kontrolē šos transportlīdzekļus.
Taču lielākajai daļai uzņēmumu nav piekļuves šādām milzīgām datu kopām vai līdzekļiem šādu datu ģenerēšanai no nulles.
Lai aizpildītu šīs nepilnības, Gaidons un kolēģi izmantoja populāru spēļu izstrādes dzinēju, ko sauc Vienotība , lai ģenerētu virtuālas ainas padziļinātas mācīšanās algoritmu apmācībai — ļoti lielam simulēta neironu tīkla veidam —, lai atpazītu objektus un situācijas reālos attēlos. Unity tiek plaši izmantots 3-D videospēļu izgatavošanai, un izstrādātājiem ir pieejami daudzi izplatīti objekti, ko izmantot savos darbos.
Dokuments, kurā aprakstīts Xerox komandas darbs, tiks prezentēts datorredzes konferencē vēlāk šogad. Izveidojot virtuālu iestatījumu un ļaujot algoritmam redzēt daudzas variācijas no dažādiem leņķiem un ar dažādu apgaismojumu, ir iespējams iemācīt šim algoritmam atpazīt vienu un to pašu objektu reālos attēlos vai video materiālos. Jaukā lieta virtuālajās pasaulēs ir tāda, ka jūs varat izveidot jebkāda veida scenāriju, saka Gaidons.
Gaidona grupa arī izstrādāja veidu, kā pārvērst reālu ainu virtuālā, izmantojot lāzera skeneri, lai uzņemtu ainu 3D formātā un pēc tam importētu šo informāciju virtuālajā pasaulē. Grupa varēja izmērīt pieejas precizitāti, salīdzinot algoritmus, kas apmācīti virtuālajā vidē, ar tiem, kas apmācīti, izmantojot reālus attēlus, kurus komentējuši cilvēki. Viņš saka, ka simulācijas priekšrocības ir labi zināmas, taču [mēs domājām], vai mēs varam radīt virtuālo realitāti, kas var apmānīt AI?
Xerox pētnieki cer izmantot šo tehniku divās situācijās. Pirmkārt, viņi plāno to izmantot, lai, izmantojot autobusiem uzstādītās kameras, atrastu tukšas stāvvietas uz ielas. Parasti to darot, būtu jāsavāc daudz videomateriālu un kāds manuāli komentē tukšās vietas. Izmantojot Xerox komandas izveidoto virtuālo vidi, var automātiski ģenerēt milzīgu apmācību datu apjomu. Otrkārt, viņi pēta, vai to varētu izmantot, lai uzzinātu par medicīniskām problēmām, izmantojot virtuālās slimnīcas un pacientus.
Datorzinātnieku vidū ir labi zināms izaicinājums mācīties, izmantojot mazāk datu, un tas iedvesmo daudzus pētniekus izpētīt jaunas pieejas, no kurām dažas smeļas iedvesmu no cilvēku mācīšanās (skatiet sadaļu Vai šis cilvēks var padarīt AI cilvēcīgāku?).
Manuprāt, šī ir ļoti laba ideja, saka Džošs Tenenbaums , Xerox projekta kognitīvās zinātnes un skaitļošanas profesors MIT. Mēs un daudzi citi to esam meklējuši dažādos veidos.