Stejně jako nové dovednosti Alexa na vašem Amazon Echo, v posledních několika desetiletích A.I. postupně získávejte schopnost nejlepší lidskosti ve více a více našich milovaných hrách: Šachy s Deep Blue v roce 1997, Ohrožení s IBM Watson v roce 2011, Atari hry s DeepMind v roce 2013, Jít s AlphaGo v roce 2016, a tak dále. Přinejmenším pro širokou veřejnost každý případ mění abstraktní cestu počítačového pokroku v divácký sport. Skynet je stále chytřejší. jak to víme? Protože se podívejte na rostoucí počet zábav, ve kterých nás může přesvědčivě porazit.
Obsah
- Vytvoření mistra Pictionary
- Víc, než se na první pohled zdá
S tímto pozadím není příliš šokující slyšet, že A.I. nyní může podávat přesvědčivě dobré výkony Pictionary, hra na hádání slov inspirovaná šarádami, která vyžaduje, aby jedna osoba nakreslila obrázek a další se snažili co nejrychleji zjistit, co načrtli.
Doporučená videa
To je to, co nedávno provedli vědci z University of Surrey ve Spojeném království, když vytvořili Pixelor, „konkurenční skicování A.I. činidlo." Vzhledem k vizuálu koncept, Pixelor je schopen nakreslit náčrt, který je rozpoznatelný (lidmi i stroji) jako zamýšlený předmět stejně rychle – nebo dokonce rychleji – než člověk. konkurent.
Příbuzný
- Jak Nintendo mohlo využít A.I. přinést 4K hraní na Switch Pro
- Ředitel Yakuzy si myslí, že vývoj PS5 se zaměří na A.I. a strojové učení
„Naše A.I. agent je schopen vykreslit skicu od začátku,“ Píseň Yi-Zhe, čtenář knihy Počítačové vidění a strojové učení v Centru pro zpracování řeči a signálu na univerzitě v Surrey, řekl Digital Trends. „Dejte tomu slovo jako ‚tvář‘ a ono bude vědět, co má nakreslit. … Pokaždé vykreslí jinou kočku, jiného psa, jiný obličej. Ale vždy s vědomím, jak vyhrát hru Pictionary.“
Vytvoření mistra Pictionary
Schopnost zmenšit složitý obraz reálného světa do náčrtu je sama o sobě docela působivá. Dívat se na lidskou tvář a vidět ji jako ovál se dvěma menšími ovály pro oči, linkou pro nos a půlkruhem pro ústa vyžaduje určitou úroveň abstrakce. U dětí schopnost vnímat obraz tímto způsobem ukazuje mimo jiné rostoucí kognitivní chápání pojmů.
Nicméně, stejně jako u mnoha aspektů AI, často shrnutých jako Moravcův paradox že „těžké problémy jsou snadné a snadné problémy jsou těžké“, je to pro stroj značná výzva inteligence – navzdory skutečnosti, že je to pro většinu dvouletých dětí základní, nevýrazná dovednost děti.
Není to však neřešitelná výzva. V roce 2016, jsme psali o Songově práci s nástrojem zvaným Sketch, neuronovou sítí s hlubokým učením, která dokázala rozpoznat ručně nakreslené náčrty a použít je k hledání produktů ze skutečného života. Tato konkrétní síť byla trénována pomocí datové sady sestávající z přibližně 30 000 srovnání náčrtů a fotografií, což jí umožnilo rozpoznat způsob, jakým jsou skutečné objekty prezentovány v ruční kresbě. Pixelor dělá něco podobného, ale může také generovat své vlastní kresby, spíše než jen rozpoznávat kresby jiných lidí.
Ale to na vítězství nestačí Pictionary. Pictionary je časově náročná hra, kde cílem není jen nakreslit řekněme kočku, ale nakreslit kočku co nejmenším počtem tahů. Mohli byste být největším světovým umělcem, ale pokud vám zabere 12 hodin nakreslit dokonalou kočku, jste hrozní Pictionary hráč.
To znamenalo vybudovat A.I. které by mohly studovat lidi, aby viděli, jaké strategie používají k dobrému hraní Pictionary. Jak řekl Song: „Jaké jsou nejdůležitější bity, které je třeba nakreslit, aby ostatní lidští soudci mohli hádat? Chceme, aby naše kresba byla uhodnuta co nejdříve.“
K tomu vědci vzali QuickDraw, největší dosud dostupný soubor údajů o lidské skice. Poté vytvořili algoritmus neurálního třídění, který upřednostňuje pořadí tahů, které umělec potřebuje udělat; poskytující uhodnutelné znázornění objektu na co nejmenším počtu řádků. To znamená rozdělit náčrtky na tahy, pak zamíchat pořadí těchto tahů a testovat výsledky, dokud nestanoví přesné pořadí, ve kterém je třeba je položit na papír.
Umělec by například mohl začít kreslit kočku načrtnutím kruhového obrysu její hlavy. Ale kruh může být libovolný počet věcí, i když víte, že má představovat hlavu. Nakreslete však dvě špičaté uši nebo dvě sady vousů a počet potenciálních věcí, které byste mohli kreslit, se velmi, velmi rychle sníží. Tyto informace jsou pak použity k instruování skicovacího agenta.
Song řekl, že tým by mohl vydat verzi pro veřejnost Pictionary-hraní robota, aby si lidští hráči mohli sami vyzkoušet, jak porazit skicujícího A.I. mistr. (Kdo ví? Hra na experta může dokonce pomoci vylepšit své vlastní Pictionary hra.)
Víc, než se na první pohled zdá
Pixelor však nabízí více než jen další triviální robot na hraní her. Stejně jako počítačový systém má rozhraní na povrchové úrovni, se kterým komunikujeme, a pod kapotou backendový kód, tak také každý velký A.I. herní milník má postranní motiv. Pokud výslovně nevytvářejí počítačové hry, netráví výzkumné laboratoře budováním bezpočtu člověkohodin hraní her A.I. agenti jen proto, aby přidali další položku na velký seznam věcí, ve kterých lidé již nejsou nejlepší na. Účelem je vždy posunout nějakou základní část A.I. řešení problému.
V případě Pixeloru je skrytým cílem vyrobit stroje, které jsou schopny lépe zjistit, co je pro člověka v konkrétní scéně důležité. Když se podíváme na obrázek, okamžitě jsme schopni říct, jaké jsou nejvýraznější detaily.
Řekněme, že jedete domů z práce. Zatímco stromy lemující okraj silnice mohou být malebné a billboard k novému filmu by mohl být zajímavý, ani jedno není tak důležité jako obličej a řeč těla osoby, která se může nebo nemusí chystat ven před vy. Než jste vůbec vědomě zpracovali informace, váš mozek si vybral ty nejdůležitější detaily. Jak naučit počítač, aby to uměl? Ukazuje se, že skvělým způsobem, jak toho dosáhnout, je vidět, jak lidé upřednostňují výrazné rozeznatelné detaily na obrázku, když jej skicují.
„Ve fotografiích [samotné] nejsou neodmyslitelně vloženy žádné lidské znalosti,“ řekl Song. "To, co chceme, jsou lidská data, která nám mohou dát signály o tom, jak lidé rozumí objektu."
Jak bylo uvedeno, dobrý Pictionary hráč, stejně jako správný boxer, bude vědět naprosté minimum, které musí udělat, aby dosáhl určitého cíle. Na tom v makrosmyslu záleží Yi-Zhe Songovi a jeho kolegům. Není to nic tak triviálního jako získat počítač, aby mohl hrát hru; jde o to, aby počítač pochopil, co je na určitých scénách důležité – a doufejme, že dokáže lépe zobecnit.
Jako všechno od samořídící auta Aby se roboti na pracovišti stávají stále běžnějšími, je to zásadní úkol, který je třeba vyřešit.
Článek popisující práci bude představen na SIGGRAPH Asia 2020 v listopadu.
Doporučení redakce
- Voyage je A.I. herní ráj, kde pravidla píší roboti
- Šachy. Ohrožení. Jít. Proč používáme hry jako měřítko pro A.I.?
- A.I. navrhuje retro videohry – a jsou překvapivě dobré
