Pamatujete si ten úžasný, objevný pocit, když jste poprvé objevili existenci příčiny a následku? To je záludná otázka. Děti se začínají učit princip kauzality již od osmi měsíců, což jim pomáhá dělat základní závěry o světě kolem nich. Ale většina z nás si toho do tří nebo čtyř let moc nepamatuje, takže důležitou lekci „proč“ považujeme za samozřejmost.
Není to jen zásadní lekce, kterou se musí lidé naučit, ale také ta, na které jsou dnešní systémy umělé inteligence zatraceně špatné. Zatímco moderní A.I. je schopen porážet lidské hráče na Go a řídit auta na rušných ulicích, to není nutně srovnatelné s druhem inteligence, kterou by lidé mohli použít k zvládnutí těchto schopností. Je to proto, že lidé – dokonce i malá kojenci – mají schopnost zobecňovat tím, že uplatňují znalosti z jedné oblasti do druhé. Pro A.I. naplnit svůj potenciál, to je něco, co také musí umět.
Doporučená videa
"Například, pokud se robot naučil, jak postavit věž pomocí některých bloků, možná bude chtít přenést tyto dovednosti na stavbu mostu nebo dokonce stavby podobné domu."
Usáma Ahmed, magisterský student na ETH Zurich ve Švýcarsku, řekl Digital Trends. „Jedním ze způsobů, jak toho dosáhnout, může být naučení se kauzálních vztahů mezi různými proměnnými prostředí. Nebo si představte, že Robot TriFinger použito v Kauzální svět náhle ztratí jeden prst kvůli poruše hardwaru. Jak může stále budovat cílový tvar pouze dvěma prsty?“Video CausalWorld
Virtuální tréninkový svět pro stroje
CausalWorld je co Frederik Träuble, Ph. D. student na Institutu Maxe Plancka pro inteligentní systémy v Německu, se označuje jako „manipulační měřítko“. Je to krok směrem k pokrok ve výzkumu, aby robotičtí agenti mohli lépe zobecňovat různé změny vlastností prostředí, jako je hmotnost nebo tvar objektů. Pokud se například robot naučí zvednout určitý předmět, můžeme to rozumně očekávat může tuto schopnost přenést na těžší předměty – pokud rozumí správné příčině vztah.
Druh virtuálního tréninkového prostředí, o kterém jsme zvyklí slýchat ve sci-fi filmech, je řekněme Matrix: virtuální svět, ve kterém neplatí pravidla. V CausalWorld, kde vědci mohou systematicky trénovat a vyhodnocovat své metody v robotických prostředích, je to přesně naopak. Jde o to naučit se pravidla – a uplatňovat je. Robotičtí agenti mohou dostávat úkoly podobné těm, kterých se účastní děti, když si hrají s kostkami, aby skládaly, tlačily a jiné hry na příčinu a následek. Výzkumníci mohou zasáhnout, aby otestovali schopnosti robota zobecňovat, když se učí. Je to v podstatě testovací prostředí, které pomůže vyhodnotit, jak A.I. agenti mohou generalizovat.
„Většina moderních A.I. je založeno na statistickém učení, což je celé o získávání statistických informací – například korelací – z dat,“ Bernhard Schölkopf, ředitel Institutu Maxe Plancka, řekl Digital Trends. „To je skvělé, protože nám to umožňuje předpovídat jednu veličinu od ostatních, ale pouze tak dlouho, dokud se nic nezmění. Když zasáhnete do systému, pak jsou všechny sázky vypnuty. Abychom v takových případech mohli předpovídat, musíme jít nad rámec statistického učení, ke kauzalitě. Nakonec, pokud budoucí A.I. má jít o myšlení ve smyslu ‚jednání v imaginárních prostorech‘, pak jsou klíčové intervence, a proto je třeba brát v úvahu kauzalitu.“
Doporučení redakce
- Do školy poblíž vás mohou přicházet bezpečnostní roboti
- Amazon nasazuje AI pro shrnutí recenzí produktů
- Amazon plánuje změny „jednou za generaci“ pro vyhledávání, odhaluje pracovní inzerát
- Google Smart Canvas získává hlubší integraci mezi aplikacemi
- Nejnovější A.I od Nvidie. výsledky dokazují, že ARM je připraven na datové centrum
Upgradujte svůj životní stylDigitální trendy pomáhají čtenářům mít přehled o rychle se měnícím světě technologií se všemi nejnovějšími zprávami, zábavnými recenzemi produktů, zasvěcenými úvodníky a jedinečnými náhledy.
