Šis AI domā kā suns

Visi suņu īpašnieki var liecināt par savu četrkājaino draugu vareno inteliģenci. Patiešām, daudzi suņi sniedz svarīgus pakalpojumus, piemēram, vada cilvēkus ar redzes traucējumiem, atrod pazudušus cilvēkus vai izšņaukā narkotikas un citas kontrabandas preces.

Šīs spējas pārsniedz pat visspēcīgāko mākslīgo intelektu. Un tomēr AI pētniekiem vēl ir jāizmanto tās priekšrocības, apmācot AI sistēmas, lai tās būtu spējīgākas.

Mūsdienās tas mainās, pateicoties Kianas Ehsani darbam Vašingtonas Universitātē Sietlā un kolēģiem, kuri ir apkopojuši unikālu datu kopu par suņu uzvedību un izmantojuši to, lai apmācītu AI sistēmu, lai pieņemtu suņiem līdzīgus lēmumus. Viņu pieeja paver jaunu AI pētījumu jomu, kas pēta citu mūsu planētas saprātīgu būtņu spējas.

Komanda sāk, veidojot suņu uzvedības datubāzi. Viņi to dara, komplektējot vienu suni ar inerciālām mērvienībām uz tā kājām, astes un ķermeņa, lai reģistrētu to relatīvo leņķi un dzīvnieka absolūto stāvokli.

Viņi arī aprīkoja suņa galvu GoPro kameru, lai ierakstītu vizuālo ainu, paraugu ņemšanu ar ātrumu pieci kadri sekundē, un mikrofonu uz suņa muguras, lai ierakstītu skaņu. Datus ierakstīja Arduino vienība suņa mugurā.

Kopumā komanda savāca aptuveni 24 500 video kadrus ar sinhronizētiem ķermeņa stāvokļa un kustību datiem. Viņi izmantoja 21 000 no šiem kadriem AI apmācībai, bet pārējos AI sistēmas apstiprināšanai un testēšanai.

Komanda pētīja, kā rīkoties kā sunim, kā plānot kā suns un kā mācīties no suņa.

Pirmajā uzdevumā mērķis bija paredzēt suņa turpmākās kustības, ņemot vērā attēlu secību. AI to dara, skatoties video kadrus un pētot, ko suns darīja tālāk.

Mācoties šādā veidā, sistēma labi spēj precīzi paredzēt nākamās piecas kustības pēc piecu attēlu secības redzēšanas. Mūsu modelis pareizi prognozē turpmākās suņa kustības, tikai novērojot attēlus, ko suns novēroja iepriekšējos laika posmos, saka Ehsani un citi.

Plānošanas uzdevums ir nedaudz grūtāks. Mērķis šeit ir atrast darbību secību, kas pārvieto suni starp noteiktā attēlu pāra atrašanās vietām. AI atkal to uzzina, pētot darbības, kas saistītas ar plašu secīgu video kadru klāstu.

Atkal sistēma darbojas labi. Mūsu rezultāti liecina, ka mūsu modelis pārspēj šīs bāzes līnijas grūtajā plānošanas uzdevumā kā suns gan precizitātes, gan neskaidrības ziņā, saka komanda.

Pēdējais uzdevums ir mācīties no suņa uzvedības. Viena lieta, ko suņi mācās, ir vieta, kur viņi var un kur nevar staigāt. Tāpēc komanda izmanto datubāzi, lai apmācītu AI atpazīt, kāda veida virsmas ir staigājamas, un iezīmēt tās jaunos attēlos.

Tas ir interesants darbs, kas parāda, kā AI sistēmas var saskaņot noteiktus dzīvnieku darbības veidus. Viņi saka, ka mūsu modele mācās no egocentriskas video un kustību informācijas, lai rīkotos un plānotu tā, kā suns to darītu tādā pašā situācijā.

Protams, priekšā ir daudz darba. Piemēram, šis darbs apkopo datus no viena suņa. Tāpēc komanda vēlētos izpētīt datus, kas iegūti no plaša suņu klāsta. Tas ļautu viņiem salīdzināt savu uzvedību un sīkāk izprast suņu vizuālo intelektu.

Bet nav iemesla, kāpēc pieeja būtu jāattiecina tikai uz suņiem. Apkopojot līdzīgas datu kopas par pērtiķiem, lauksaimniecības dzīvniekiem un visu veidu dzīvniekiem savvaļā, būtu daudz ko mācīties. Kā teica Ehsani un kolēģi: mēs ceram, ka šis darbs paver ceļu uz labāku izpratni par vizuālo intelektu un citām saprātīgām būtnēm, kas apdzīvo mūsu pasauli.

Atsauce: arxiv.org/abs/1803.10827 : Kurš izlaida suņus? Suņu uzvedības modelēšana no vizuālajiem datiem

paslēpties