211service.com
Een computerprogramma dat zich de wereld leert voorstellen, laat zien hoe AI meer zoals wij kan denken
De opmars van DeepMind zou kunnen leiden tot machines die een scène beter kunnen begrijpen. 14 juni 2018
diepe geest
Machines zullen veel beter moeten worden in het zelfstandig begrijpen van de wereld, willen ze ooit echt intelligent worden.
DeepMind , de op AI gerichte dochteronderneming van Alphabet, heeft een stap in die richting gezet door een computerprogramma te maken dat helemaal zelf een mentaal beeld van de wereld opbouwt. Je zou kunnen zeggen dat het leert zich de wereld eromheen voor te stellen.
Het systeem, dat gebruikmaakt van wat de onderzoekers van DeepMind een generatief querynetwerk (GQN) noemen, bekijkt een scène vanuit verschillende hoeken en kan vervolgens beschrijven hoe het eruit zou zien vanuit een andere hoek.
Dit lijkt misschien triviaal, maar het vereist een relatief geavanceerd vermogen om over de fysieke wereld te leren. In tegenstelling tot veel AI-visiesystemen, geeft het DeepMind-programma een scène meer betekenis aan de manier waarop een persoon dat doet. Zelfs als iets bijvoorbeeld gedeeltelijk is afgesloten, kan het redeneren over wat er is.
Uiteindelijk zou dergelijke technologie kunnen dienen als de basis voor diepere kunstmatige intelligentie, waardoor machines de wereld veel verfijnder kunnen beschrijven en erover redeneren.
Ali Eslami, een onderzoekswetenschapper bij DeepMind, en zijn collega's testten de aanpak op drie virtuele instellingen: een blokachtig tafelblad, een virtuele robotarm en een eenvoudig doolhof. Het systeem maakt gebruik van twee neurale netwerken; de een leert en de ander genereert of verbeeldt nieuwe perspectieven. Het systeem legt aspecten van een scène vast, inclusief objectvormen, posities en kleuren, met behulp van een vectorrepresentatie, waardoor het relatief efficiënt is. Het onderzoek verschijnt in het tijdschrift Wetenschap vandaag.
Het werk is een soort nieuwe richting voor DeepMind, dat naam heeft gemaakt door programma's te ontwikkelen die opmerkelijke prestaties kunnen leveren, waaronder het leren spelen van het complexe en abstracte bordspel Go. Het nieuwe project bouwt voort op ander academisch onderzoek dat de menselijke perceptie en intelligentie probeert na te bootsen met behulp van vergelijkbare computerhulpmiddelen.
Het is een interessante en waardevolle stap in de goede richting, zegt Josh Tenenbaum , een professor die de Computational Cognitive Science-groep aan het MIT leidt.
Tenenbaum zegt dat het vermogen om op een modulaire manier met complexe scènes om te gaan indrukwekkend is, maar voegt eraan toe dat de aanpak dezelfde beperkingen vertoont als andere methoden voor machine learning, waaronder de behoefte aan een enorme hoeveelheid trainingsgegevens: de jury is er nog niet uit hoeveel van het probleem dat dit oplost.
Sam Gershman , die aan het hoofd staat van het Computational Cognitive Neuroscience Lab aan Harvard, zegt dat het DeepMind-werk een aantal belangrijke ideeën combineert over hoe menselijke visuele waarneming werkt. Maar hij merkt op dat het, net als andere AI-programma's, nogal smal is, omdat het slechts één vraag kan beantwoorden: hoe zou een scène er vanuit een ander gezichtspunt uitzien?
Daarentegen kunnen mensen een oneindige verscheidenheid aan vragen over een scène beantwoorden, zegt Gershman. Hoe zou een scène eruitzien als ik de blauwe cirkel een beetje naar links zou verplaatsen, of de rode driehoek opnieuw zou schilderen, of de gele kubus zou platdrukken?
Gershman zegt dat het onduidelijk is of de aanpak van DeepMind kan worden aangepast om complexere vragen te beantwoorden of dat er een fundamenteel andere aanpak nodig is.