Подобно на новите Alexa Skills на вашия Amazon Echo, през последните няколко десетилетия видяхме A.I. постепенно придобийте способността да превъзхождате човечеството във все повече и повече от любимите ни игри: Шах с Deep Blue през 1997 г, опасност с IBM Watson през 2011 г, Игри на Atari с DeepMind през 2013 г, Отивам с AlphaGo през 2016 г, и така нататък. Поне за широката публика всеки пример превръща абстрактния път на изчислителен прогрес в зрителски спорт. Skynet става все по-умен. Откъде знаем? Защото вижте нарастващия брой забавления, в които може убедително да ни победи.
Съдържание
- Изграждане на Pictionary master
- Повече, отколкото се вижда на пръв поглед
С този фон не е твърде шокиращо да чуем, че A.I. сега може да се представи убедително добре при Pictionary, вдъхновената от шарадите игра за отгатване на думи, която изисква един човек да нарисува изображение, а други да се опитат да разберат какво са скицирали възможно най-бързо.
Препоръчани видеоклипове
Това е, което изследователи от университета в Съри в Обединеното кралство наскоро направиха със създаването на Pixelor, „конкурентен AI за скициране. агент." Като се има предвид визуален концепция, Pixelor е в състояние да начертае скица, която е разпознаваема (както от хора, така и от машини) като предназначен обект толкова бързо — или дори по-бързо — от човек състезател.
Свързани
- Как Nintendo може да използва A.I. за да внесете 4K игри в Switch Pro
- Директорът на Yakuza смята, че еволюцията на PS5 ще се фокусира върху ИИ. и машинно обучение
„Нашият ИИ агентът може да изобрази скица от нулата,” И-Дже песен, читател на Компютърно зрение и машинно обучение в Центъра за визуална обработка на реч и сигнали в Университета на Съри, каза за Digital Trends. „Дайте му дума като „лице“ и то ще знае какво да нарисува. … Всеки път ще рисува различна котка, различно куче, различно лице. Но винаги със знанието как да спечелите играта Pictionary.“
Изграждане на Pictionary master
Да можеш да намалиш сложно изображение от реалния свят в скица само по себе си е доста впечатляващо. Нужно е ниво на абстракция, за да погледнете човешко лице и да го видите като овал с два по-малки овала за очи, линия за нос и полукръг за уста. При децата способността да се възприема изображение по този начин показва, наред с други неща, процъфтяващо когнитивно разбиране на понятията.
Въпреки това, както при много аспекти на ИИ, често обобщавани като Парадоксът на Моравец че „трудните проблеми са лесни, а лесните проблеми са трудни“, това е значително предизвикателство за машината интелигентност - въпреки факта, че това е основно, незабележимо умение за повечето двегодишни деца деца.
Това обаче не е неразрешимо предизвикателство. През 2016г, писахме за работата на Song с инструмент, наречен Sketch, невронна мрежа за дълбоко обучение, която успя да разпознае ръчно нарисувани скици и да ги използва за търсене на продукти от реалния живот. Тази конкретна мрежа беше обучена с помощта на набор от данни, състоящ се от около 30 000 сравнения на скици и снимки, което й позволяваше да може да разпознае начина, по който реалните обекти са представени в чертеж на ръка. Pixelor прави нещо подобно, но може също да генерира свои собствени рисунки, вместо просто да разпознава тези на други хора.
Но това не е достатъчно, за да спечелите Pictionary. Pictionary е игра с предизвикателства във времето, в която целта не е просто да нарисувате, да речем, котка, а да нарисувате котка с възможно най-малко движения. Може да сте най-великият художник в света, но ако ви отнеме 12 часа, за да нарисувате перфектна котка, вие сте ужасен Pictionary играч.
Това означава изграждане на ИИ. които биха могли да изучават хората, за да видят кои стратегии използват, за да играят добре Pictionary. Както каза Сонг, „Кои са най-важните части за рисуване, за да могат другите човешки съдии да отгатват? Искаме рисунката ни да бъде отгатната възможно най-рано.“
За да направят това, изследователите взеха QuickDraw, най-големият набор от данни за човешки скици, наличен до момента. След това те изградиха алгоритъм за невронно сортиране, който дава приоритет на реда на ударите, които художникът трябва да направи; предоставяне на отгатваемо представяне на обект във възможно най-малко редове. Това означава разделяне на скиците на щрихи, след това разбъркване на реда на тези щрихи и тестване на резултатите, докато установят точния ред, в който трябва да бъдат поставени на хартия.
Например, художник може да започне да рисува котка, като скицира кръгъл контур за главата ѝ. Но кръгът може да бъде произволен брой неща, дори ако знаете, че той трябва да представлява глава. Нарисувайте обаче две заострени уши или два комплекта мустаци и броят на потенциалните неща, които бихте могли да нарисувате, намалява много, много бързо. След това тази информация се използва за инструктиране на агента за скициране.
Сонг каза, че екипът може да пусне публична версия на това Pictionary- играещ бот, така че човешките играчи да могат сами да победят скициращ A.I. майстор. (Кой знае? Играта на експерт може дори да ви помогне да подобрите своя собствен Pictionary игра.)
Повече, отколкото се вижда на пръв поглед
В Pixelor обаче има нещо повече от просто още един тривиален бот за игра. Точно както компютърната система има както интерфейс на повърхностно ниво, с който взаимодействаме, така и скрит бекенд код, така също всеки голям ИИ. крайъгълен камък в играта имат скрит мотив. Освен ако изрично не правят компютърни игри, изследователските лаборатории не прекарват безброй човекочасове в изграждане игра на игри A.I. агенти само за да добавя още един запис към големия списък с неща, които хората вече не са най-добрите при. Целта винаги е да се развие някаква фундаментална част от ИИ. разрешаване на проблем.
В случая на Pixelor скритата цел е да се направят машини, които са по-способни да разберат какво е важно за човека в определена сцена. Когато погледнем изображение, веднага можем да кажем кои са най-забележимите детайли.
Да приемем, че се прибирате от работа. Докато дърветата, обграждащи пътя, може да са живописни и билбордът за нов филм може да е интересен, нито е толкова важен, колкото лицето и езикът на тялото на човека, който може или не може да се кани да излезе пред Вие. Преди дори съзнателно да сте обработили информацията, мозъкът ви е отделил най-важните детайли. Как да научите компютър да може да прави това? Е, оказва се, че един чудесен начин да направите това е да видите как хората приоритизират изпъкналите разпознаваеми детайли в изображение, когато го скицират.
„Няма човешко знание, присъщо вградено в снимки [само]“, каза Сонг. „Това, което искаме, са човешки данни, които могат да ни дадат сигнали за това как хората разбират даден обект.“
Както беше отбелязано, добър Pictionary играч, като добър боксьор, ще знае абсолютния минимум, който трябва да направи, за да постигне определена цел. Това, в макро смисъл, е нещото, за което се интересуват Yi-Zhe Song и колегите му. Не е нищо толкова тривиално като да накарате компютър да играе игра; накара компютъра да разбере какво е важно за определени сцени - и, да се надяваме, да може да обобщава по-добре.
Както всичко от самоуправляващи се автомобили роботите на работното място стават все по-често срещани, това е основна задача за решаване.
Документ, описващ работата, ще бъде представен на SIGGRAPH Asia 2020 през ноември.
Препоръки на редакторите
- Voyage е ИИ. рай за игри, където ботовете пишат правилата
- Шах. опасност. Отивам. Защо използваме игрите като еталон за ИИ?
- ИИ проектира ретро видео игри - и те са изненадващо добри
