宁推网-IT业界资讯

DeepMind人工智能像婴儿一样学习简单的物理规

受对婴儿如何学习的研究的启发,计算机科学家创建了一个程序,该程序可以获取有关物体行为的简单物理规则,并在它们似乎违反这些规则时表示惊讶。结果于 7 月 11 日发表在Nature Human Behavior 1上。

发育心理学家测试婴儿如何通过追踪他们的注视来理解物体的运动。例如,当播放一段突然消失的球的视频时,孩子们表示惊讶,研究人员通过测量婴儿注视特定方向的时间来量化这种惊讶。

图片来源:pixabay

位于伦敦的谷歌旗下公司 DeepMind 的计算机科学家 Luis Piloto 和他的合作者希望为人工智能 (AI) 开发类似的测试。该团队使用立方体和球等简单物体的动画视频训练了一个神经网络——一种通过发现大量数据中的模式来学习的软件系统。

该软件模型名为“通过自动编码和跟踪对象进行物理学习 (PLATO)”,它接收来自视频的原始图像,以及突出显示场景中每个对象的版本。PLATO 还旨在开发对象物理特性的内部表示,例如它们的位置和速度。

该系统接受了数十小时的视频训练,这些视频显示了简单的机制,例如一个球从斜坡上滚下来或两个球相互弹跳,并开发了预测这些物体在不同情况下如何表现的能力。特别是,它学习了诸如连续性之类的模式,其中一个对象遵循不间断的轨迹,而不是神奇地从一个地方传送到另一个地方;坚固性,防止两个物体相互穿透;和物体形状的持久性。“在电影的每一步,它都会预测”接下来会发生什么,Piloto 说。“随着电影的深入,预测变得更加准确。”

惊喜!

当播放带有“不可能”事件的视频时,例如一个物体突然消失,PLATO 可以测量视频和它自己的预测之间的差异,从而提供一种惊喜的衡量标准。Piloto 说,PLATO 并非设计为婴儿行为模型,但它可能是迈向人工智能的第一步,可以测试关于人类婴儿如何学习的假设。“我们希望认知科学家最终可以使用它来认真模拟婴儿的行为。”

温哥华英属哥伦比亚大学的计算机科学家 Jeff Clune 表示,将 AI 与人类婴儿的学习方式进行比较是“一个重要的研究方向”。“也就是说,这篇论文确实手工设计了许多赋予这些人工智能模型优势的先验知识。”

Clune 和其他研究人员正在研究让程序开发自己的算法来理解物理世界的方法。

1、宁推网原创文章未经授权转载必究,如需转载请联系授权;
2、转载时须在文章头部明确注明出处、保留作者和原文链接,如:转自宁推网字样;
3、宁推网报道中所涉及的所有内容均由用户提供,仅供参考!
4、声明:该文观点仅代表作者本人,宁推网系信息发布平台,宁推网仅提供信息存储空间服务。