Kai kuriose srityse dirbtinio intelekto (DI) sistemos jau gerokai mus lenkia, pavyzdžiui, apdorojant didžiulius duomenų rinkinius. Tačiau kitais aspektais DI vis dar gerokai atsilieka nuo žmogaus.
Kai kuriose srityse dirbtinio intelekto (DI) sistemos jau gerokai mus lenkia, pavyzdžiui, apdorojant didžiulius duomenų rinkinius. Tačiau kitais aspektais DI vis dar gerokai atsilieka nuo žmogaus.
Asociatyvi „Pixabay“ nuotr.
Pavyzdžiui, net maži kūdikiai instinktyviai žino, kad jei vienas objektas trumpam uždengia kitą objektą, nereiškia, kad tas daiktas, kurio nesimato – pradingo.
Tačiau tokia paprasta tęstinumo taisyklė, kartu su kitais pagrindiniais fizikos dėsniais, dirbtiniam intelektui nebuvo tokia intuityvi. Dabar naujajame tyrime pristatomas dirbtinis intelektas PLATO, kurį įkvėpė kūdikių mokymosi tyrimai – jis gali mąstyti panašiai kaip žmogaus kūdikis.
PLATO reiškia „Physics Learning through Auto-encoding and Tracking Objects“ (liet. fizikos mokymasis automatiškai koduojant ir stebint objektus), ir jis buvo apmokytas naudojant seriją koduotų vaizdo įrašų, sukurtų taip, kad atspindėtų tas pačias pagrindines žinias, kurias kūdikiai įgyja pirmaisiais gyvenimo mėnesiais.
„Mūsų laimei, raidos psichologai dešimtmečius tyrinėjo, ką kūdikiai žino apie fizinį pasaulį, ir katalogavo įvairias sąvokas, kurios sudaro fizikos supratimą“, – sakė neurobiologas Luisas Piloto iš dirbtinio intelekto tyrimų laboratorijos „DeepMind“ Jungtinėje Karalystėje.
„Išplėtę jų darbą, sukūrėme fizikinių sąvokų duomenų rinkinį ir suteikėme jam atvirą prieigą. Šis sintetinių vaizdo duomenų rinkinys įkvėpimo semiasi iš originalių raidos eksperimentų, kad įvertintume fizines sąvokas savo modeliuose.“
Yra trys pagrindinės sąvokos, kurias visi suprantame nuo mažens: pastovumas (objektai staiga neišnyksta), tvirtumas (kieti objektai negali prasiskverbti vienas pro kitą) ir tęstinumas (objektai erdvėje ir laike juda nuosekliai), rašo „Science Alert“.
Tyrėjų sudarytas duomenų rinkinys apėmė šias tris sąvokas ir dvi papildomas: nekintamumą (objektų savybės, pavyzdžiui, forma, nekinta) ir krypties inertiškumą (objektai juda taip, kad atitiktų inercijos principus).
Šios sąvokos buvo pateikiamos per klipus, kuriuose kamuoliai krenta ant žemės, atšoka vienas nuo kito, dingsta už kitų objektų ir vėl atsiranda ir pan. Išmokę PLATO dirbti su šiais vaizdo įrašais, kitas žingsnis buvo jį išbandyti.
Kai dirbtiniam intelektui buvo parodyti vaizdo įrašai su „neįmanomais“ scenarijais, prieštaraujančiais išmoktai fizikai, PLATO išreiškė nuostabą (arba jos atitikmenį): jis buvo pakankamai protingas, kad atpažintų, jog įvyko kažkas keisto, kas pažeidžia fizikos dėsnius.
Taip atsitiko po palyginti trumpo mokymo laikotarpio – kai kuriais atvejais jis truko tik 28 valandas. Techniniu požiūriu, kaip ir kūdikių tyrimuose, tyrėjai ieškojo lūkesčių pažeidimo (VoE) signalų, rodančių, kad dirbtinis intelektas suprato sąvokas, kurių buvo mokomas.
„Mūsų objektais grindžiamas modelis rodė tvirtus VoE efektus visose penkiose mūsų tirtose sąvokose, nepaisant to, kad jis buvo apmokytas naudojant vaizdo duomenis, kuriuose konkretūs zondo įvykiai neįvyko“, – rašo tyrėjai savo paskelbtame straipsnyje.
Komanda atliko tolesnius bandymus, šį kartą naudodama kitokius objektus nei mokymo duomenyse. PLATO ir vėl parodė, kad gerai supranta, kas turėtų ir ko neturėtų vykti, taip parodydamas, kad gali mokytis ir plėsti savo pagrindines mokymo žinias.
Tačiau PLATO dar nepasiekė trijų mėnesių kūdikio lygio. Mažiau DI nustebino, kai jam buvo rodomi scenarijai, kuriuose nebuvo jokių objektų, arba kai testavimo ir mokymo modeliai buvo panašūs.
Šis tyrimas gali padėti geriau suprasti žmogaus protą ir sukurti geresnį dirbtinio intelekto atvaizdą.
„Mūsų modeliavimo darbas yra koncepcijos įrodymas, kad bent jau kai kurias pagrindines intuityviosios fizikos sąvokas galima įgyti vizualiai mokantis“, – rašė tyrėjai.
