DeepMind AI uči fiziku gledajući video snimke koji nemaju smisla

Algoritam koji je kreirala AI firma DeepMind može razlikovati video snimke u kojima se objekti povinuju zakonima fizike i one u kojima to ne čine.

AI ima intuitivno znanje o fizici

Podučavanje veštačke inteligencije da razume jednostavne fizičke koncepte, kao što je da jedan čvrsti objekat ne može da zauzme isti prostor kao drugi, moglo bi da dovede do sposobnijeg softvera koji zahteva manje računarskih resursa za obuku, kažu istraživači u DeepMind-u. Kompanija sa sedištem u Velikoj Britaniji je ranije kreirala veštačku inteligenciju koja može da pobedi stručnjake u šahu i Gou, piše kompjuterski softver i reši problem savijanja proteina. Ali ovi modeli su visoko specijalizovani i nemaju opšte razumevanje sveta. Kao što istraživači DeepMinda kažu u svom najnovijem radu, „nešto fundamentalno još uvek nedostaje“.

Sada, Luis Piloto iz DeepMind-a i njegove kolege su kreirali AI pod nazivom Učenje fizike kroz automatsko kodiranje i praćenje objekata (Physics Learning through Auto-encoding and Tracking Objects PLATO), koji je dizajniran da razume da je fizički svet sastavljen od objekata koji prate osnovne fizičke zakone. Istraživači su obučili PLATO da identifikuje objekte i njihove interakcije koristeći simulirane video snimke objekata koji se kreću onako kako bismo očekivali, kao što su lopte koje padaju na zemlju, kotrljaju se jedna iza druge i odbijaju jedna od druge. Takođe su dali PLATO podatke koji pokazuju tačno koji pikseli u svakom kadru pripadaju svakom objektu.

Da bi testirali PLATO-ovu sposobnost da razume pet fizičkih koncepata kao što su postojanost (da objekat teži da ne nestane), čvrstoća i nepromenljivost (da objekat ima tendenciju da zadrži karakteristike poput oblika i boje), istraživači su koristili još jednu seriju simuliranih video zapisa. Neki su prikazivali objekte koji se povinuju zakonima fizike, dok su drugi prikazivali besmislene radnje, kao što je lopta koja se kotrlja iza stuba, koja ne izlazi sa druge strane, ali se onda ponovo pojavljuje iza drugog stuba dalje duž svog puta. Zadali su PLATO-u da predvidi šta će se sledeće desiti u svakom video snimku i otkrili su da su njegova predviđanja bila pouzdano pogrešna za besmislene video snimke, ali obično tačna za logične, što sugeriše da AI ima intuitivno znanje o fizici. Piloto kaže da rezultati pokazuju da pogled na svet fokusiran na objekte može dati AI generalizovaniji i prilagodljiviji skup sposobnosti.

„Ako uzmete u obzir, na primer, sve različite scene u kojima bi jabuka mogla biti, ne morate da učite o jabuci na drvetu, o jabuci u vašoj kuhinji, o jabuci u smeću. Kada na neki način izolujete jabuku kao sopstvenu stvar, u boljoj ste poziciji da generalizujete kako se ona ponaša u novim sistemima, u novim kontekstima. Obezbeđuje efikasnost učenja.” Mark Nikson sa Univerziteta u Sautemptonu u Velikoj Britaniji kaže da bi rad mogao da dovede do novih puteva istraživanja veštačke inteligencije, a možda čak i otkrije tragove o ljudskoj viziji i razvoju. Ali on je izrazio zabrinutost u vezi sa ponovljivošću jer rad naglašava da „naša implementacija PLATO-a nije spolja održiva“. „To znači da koriste arhitekturu koju drugi ljudi verovatno ne mogu da koriste“, kaže on. „U nauci je dobro biti ponovljiv kako bi drugi ljudi mogli da dobiju iste rezultate, a zatim ih odvedu dalje.

Izvor: Newscientist