Naukowcy znów traktują sieci neuronowe jak małe dziecko

Obejrzyj spadający blok – Boom!

Badanie podstawowych zasad fizyki rządzących światem rozpoczyna się w pierwszym roku życia, kiedy dziecko zaczyna kontrolować ruchy rąk i nóg (zamiast zachowywać się jak robak do góry nogami). Wtedy dziecko zaczyna łapać przedmioty, które są w jego zasięgu i eksperymentować z nimi. Oprócz chyba najczęstszego odruchu wpychania wszystkiego do buzi (bo trzeba posmakować psiego chrupnięcia, który znajduje się pod kanapą, która jest prawdopodobnie starsza od samego dziecka), pojawia się też odruch pchania, ciągnięcia lub rzucanie przedmiotów, które wpadły do ​​ust dziecka. W ten sposób dziecko uczy się fizyki. Rozciągnięte rzeczy spadają w naszą stronę, pchają w przeciwną stronę, rzucają – spadają (lub rozbijają się na tysiąc kawałków. Szkoda wazonu mamo).

Jakiś czas temu pisaliśmy o zmianie podejścia do uczenia się AI, które teraz krok po kroku będzie ulepszane, na model bardziej przypominający uczenie małego dziecka. Badania zaproponowane przez DeepMind wydają się rozwijać ten pomysł. Ponadto badacze próbowali wdrożyć mechanizm zaskoczenia, gdy obserwowany obiekt nie zachowuje się zgodnie z oczekiwaniami.

Wirtualne bloki

Sieć neuronowa o nazwie PLATO (Physics Learning through Automatic Object Coding and Tracking) została przeszkolona na podstawie około 30 godzin filmów przedstawiających proste obiekty w ruchu, takie jak sześciany i kule. Nauczył się reagować na zmiany położenia elementów i ich szybkości. Najważniejsze wzorce, jakie AI była w stanie ustalić, dotyczyły ciągłej ciągłości istnienia obiektu. Na przykład, tocząca się kula nieustannie przemieszczała się po swojej trajektorii z punktu A do punktu B, a nie tylko teleportowała się z jednego punktu do drugiego.

Drugą ważną kwestią była wytrzymałość prezentowanych elementów, która nie pozwalała na zmianę ich kształtu lub przenikanie się nawzajem.

Mam piłkę, nie ma piłki

Po treningu PLATO nabył umiejętność przewidywania dalszych ruchów elementów, które znalazły się w prezentowanym mu filmie. Jednak gdy obiekt na ekranie nie zachowywał się tak, jak przewidywała sztuczna inteligencja, okazywał zaskoczenie. Dla naukowców miarą tego zaskoczenia była wielkość różnicy między sytuacją w filmie a przewidywaniami wygenerowanymi przez PLATO.

Pamiętaj, że PLATO nie jest modelem behawioralnym naśladującym ludzkie dzieci. Jednak jego wyniki można wykorzystać do testowania hipotez dotyczących uczenia się dzieci.

Miejmy nadzieję, że zaawansowana praca nad sztuczną inteligencją, o której ostatnio słyszeliśmy, wkrótce doprowadzi badaczy do ciekawych wniosków na temat nas samych.

Źródło: nature.com