Vedci dávajú umelej inteligencii schopnosť predstaviť si veci, ktoré doteraz nikto nevidel

(Artur Debat/Getty Images)

Umela inteligencia(AI) sa ukazuje ako veľmi zručný v určitých úlohách – naprvymýšľanie ľudských tváríktoré v skutočnosti neexistujú, respvíťazné hry pokru– ale tieto siete stále bojujú, pokiaľ ide o niečo, čo ľudia robia prirodzene: predstavte si.

Keď už ľudské bytosti vedia, čo je to mačka, môžeme si ľahko predstaviť mačku inej farby, mačku v inej póze alebo mačku v inom prostredí. Pre siete AI je to oveľa ťažšie, aj keď dokážu rozpoznať mačku, keď ju vidia (s dostatočným tréningom).

Aby sa pokúsili odomknúť schopnosť AI pre predstavivosť, výskumníci prišli s novou metódou, ako to umožniť umela inteligencia systémy, aby zistili, ako by mal objekt vyzerať, aj keď v skutočnosti ešte nikdy nevideli taký presne taký.



'Boli sme inšpirovaní schopnosťami ľudského vizuálneho zovšeobecnenia, aby sme sa pokúsili simulovať ľudskú predstavivosť v strojoch,' hovorí počítačový vedec Yunhao Ge z University of Southern California (USC).

„Ľudia môžu oddeliť svoje naučené vedomosti podľa atribútov – napríklad tvaru, pózy, polohy, farby – a potom ich skombinovať, aby si predstavili nový objekt. Náš článok sa pokúša simulovať tento proces pomocou neurónových sietí.'

Kľúčom je extrapolácia – schopnosť použiť veľké množstvo tréningových údajov (napríklad obrázky auta), aby ste potom prekročili to, čo je vidieť, do toho, čo je neviditeľné. Pre AI je to ťažké kvôli spôsobu, akým je zvyčajne trénovaná na rozpoznávanie špecifických vzorov, a nie na širšie atribúty.

To, s čím tu tím prišiel, sa nazýva učenie sa ovládateľnej disentangled reprezentácie a používa prístup podobný tým, ktoré sa používajúvytvárať deepfakes– rozpojenie rôznych častí vzorky (takže oddelenie pohybu tváre a identity tváre v prípade deepfake videa).

Znamená to, že ak AI uvidí červené auto a modrý bicykel, bude si môcť „predstaviť“ červený bicykel – aj keď ho nikdy predtým nevidela. Výskumníci to spojili do rámca, ktorý nazývajú skupinové učenie pod dohľadom.

Extrapolácia nových údajov z tréningových údajov. (Itti a kol., 2021)

Jednou z hlavných inovácií v tejto technike je spracovanie vzoriek v skupinách, a nie individuálne, a vytváranie sémantických väzieb medzi nimi. Umelá inteligencia je potom schopná rozpoznať podobnosti a rozdiely vo vzorkách, ktoré vidí, pomocou týchto poznatkov na vytvorenie niečoho úplne nového.

„Tento nový prístup k rozuzleniu po prvýkrát skutočne uvoľňuje nový zmysel pre predstavivosť v systémoch AI a približuje ich k ľudskému chápaniu sveta,“ hovorí počítačový vedec z USC Laurent Itti .

Tieto nápady nie sú úplne nové , ale tu výskumníci posunuli koncepty ďalej, čím sa prístup stal flexibilnejším a kompatibilným s ďalšími typmi údajov. Rámec tiež vytvorili ako open source, takže ho môžu ostatní vedci ľahšie využívať.

V budúcnosti by tu vyvinutý systém mohol chrániť pred zaujatosťou AI odstránením citlivejších atribútov z rovnice – napríklad pomôcť vytvoriť neurónové siete, ktoré nie sú rasistické alebo sexistické.

Rovnaký prístup by sa dal použiť aj v oblasti medicíny a samoriadiacich áut, tvrdia vedci, pričom AI dokáže „predstaviť“ nové lieky alebo vizualizovať nové cestné scenáre, na ktoré v minulosti nebola špeciálne trénovaná.

„Hlboké učenie už preukázalo neprekonateľný výkon a prísľub v mnohých oblastiach, ale až príliš často sa to stalo prostredníctvom plytkej mimikry a bez hlbšieho pochopenia samostatných atribútov, vďaka ktorým je každý objekt jedinečný,“ hovorí Itti .

Výskum bol prezentovaný v roku 2021 Medzinárodná konferencia o vzdelávacích reprezentáciách a dá sa čítať tu .

O Nás

Publikácia Nezávislých, Osvedčených Skutočností O Správach O Zdraví, Priestore, Prírode, Technológii A Životnom Prostredí.