Al igual que las nuevas habilidades de Alexa en su Amazon Echo, en las últimas décadas la A.I. Adquiera gradualmente la capacidad de superar a la humanidad en cada vez más de nuestros queridos juegos: Ajedrez con Deep Blue en 1997, Peligro con IBM Watson en 2011, Juegos de Atari con DeepMind en 2013, Ir con AlphaGo en 2016, etcétera. Para el público en general, al menos, cada caso convierte el camino abstracto del progreso computacional en un deporte para espectadores. Skynet se está volviendo más inteligente. ¿Como sabemos? Porque compruebe el creciente número de pasatiempos en los que puede vencernos de manera convincente.
Contenido
- Construyendo un maestro de Pictionary
- Más de lo que parece
Con esos antecedentes, no es una gran sorpresa escuchar que A.I. ahora puede desempeñarse convincentemente bien en Pictionario, el juego de adivinanzas de palabras inspirado en charadas que requiere que una persona dibuje una imagen y otras intenten descubrir lo que han esbozado lo más rápido posible.
Vídeos recomendados
Eso es lo que investigadores de la Universidad de Surrey, en el Reino Unido, llevaron a cabo recientemente con la creación de Pixelor, una “a.i. de dibujo competitivo”. agente." Dada una imagen concepto, Pixelor es capaz de dibujar un boceto que sea reconocible (tanto por humanos como por máquinas) como su sujeto previsto tan rápido, o incluso más rápido, que un humano. competidor.
Relacionado
- Cómo Nintendo podría usar A.I. para llevar los juegos 4K al Switch Pro
- El director de Yakuza cree que la evolución de PS5 se centrará en la IA y aprendizaje automático
“Nuestra IA. El agente es capaz de renderizar un boceto desde cero”. Canción de Yi-Zhe, dijo a Digital Trends. “Dale una palabra como 'cara' y sabrá qué dibujar. … Dibujará un gato diferente, un perro diferente, una cara diferente, cada vez. Pero siempre con el conocimiento de cómo ganar el juego de Pictionary”.
Construyendo un maestro de Pictionary
Ser capaz de reducir una imagen compleja del mundo real a un boceto es, en sí mismo, bastante impresionante. Se necesita un nivel de abstracción para mirar un rostro humano y verlo como un óvalo con dos óvalos más pequeños para los ojos, una línea para la nariz y un semicírculo para la boca. En los niños, la capacidad de percibir una imagen de esta manera muestra, entre otras cosas, una creciente comprensión cognitiva de los conceptos.
Sin embargo, como ocurre con muchos aspectos de la IA, a menudo resumidos como La paradoja de Moravec que "los problemas difíciles son fáciles y los problemas fáciles son difíciles", es un desafío importante para las máquinas. inteligencia, a pesar de que es una habilidad básica y corriente para la mayoría de los niños de dos años niños.
Sin embargo, no es un desafío irresoluble. En 2016, escribimos sobre el trabajo de Song con una herramienta llamada Sketch, una red neuronal de aprendizaje profundo que podía reconocer bocetos dibujados a mano y usarlos para buscar productos de la vida real. Esa red en particular se entrenó utilizando un conjunto de datos que consta de unas 30.000 comparaciones de bocetos y fotografías, lo que le permite reconocer la forma en que se presentan los objetos reales en los dibujos a mano. Pixelor hace algo similar, pero también puede generar sus propios dibujos, en lugar de limitarse a reconocer los de otras personas.
Pero eso no es suficiente para ganar Pictionario. Pictionario es un juego de tiempo limitado donde el objetivo no es sólo dibujar, digamos, un gato, sino dibujar un gato con la menor cantidad de trazos posible. Podrías ser el mejor artista del mundo, pero si te toma 12 horas dibujar un gato perfecto, eres terrible. Pictionario jugador.
Esto significó construir una A.I. eso podría estudiar a los humanos para ver qué estrategias utilizan para jugar bien al Pictionary. Como dijo Song: “¿Cuáles son las partes más importantes que se deben extraer para permitir que otros jueces humanos puedan adivinar? Queremos que nuestro dibujo se adivine lo antes posible”.
Para ello, los investigadores utilizaron QuickDraw, el conjunto de datos de bocetos humanos más grande disponible hasta la fecha. Luego construyeron un algoritmo de clasificación neuronal que prioriza el orden de los trazos que un artista debe realizar; dando una representación adivinable de un objeto en la menor cantidad de líneas posible. Esto significa dividir los bocetos en trazos, luego mezclar el orden de estos trazos y probar los resultados hasta que establezcan el orden preciso en el que deben plasmarse en el papel.
Por ejemplo, un artista podría empezar a dibujar un gato dibujando un contorno circular para su cabeza. Pero un círculo podría ser muchas cosas, incluso si sabes que se supone que representa una cabeza. Sin embargo, dibuja dos orejas puntiagudas o dos pares de bigotes y la cantidad de cosas potenciales que podrías dibujar se reduce muy, muy rápidamente. Esta información luego se utiliza para instruir al agente que dibuja.
Song dijo que el equipo podría lanzar una versión pública de esto. Pictionario-jugar a un robot para que los jugadores humanos puedan intentar vencer a una IA que dibuja. maestro. (¿Quién sabe? Jugar como un experto podría incluso ayudarte a mejorar el tuyo Pictionario juego.)
Más de lo que parece
Sin embargo, Pixelor es más que un simple robot de juego trivial. Así como un sistema informático tiene una interfaz de nivel de superficie con la que interactuamos y un código de fondo oculto, también lo tienen todos los principales sistemas de inteligencia artificial. hito del juego tienen un motivo oculto. A menos que estén creando explícitamente juegos de computadora, los laboratorios de investigación no dedican innumerables horas-persona a construir juegos de IA agentes solo para agregar otra entrada a la gran lista de cosas que los humanos ya no son los mejores en. El propósito es siempre avanzar en alguna parte fundamental de la A.I. resolución de problemas.
En el caso de Pixelor, el objetivo oculto es crear máquinas que sean más capaces de descubrir qué es importante para un humano en una escena particular. Cuando miramos una imagen, inmediatamente podemos decir cuáles son los detalles más destacados.
Digamos que estás conduciendo a casa desde el trabajo. Si bien los árboles que bordean la carretera pueden ser pintorescos y el cartel de una nueva película puede ser interesante, ninguno es tan importante como el rostro y el lenguaje corporal de la persona que puede o no estar a punto de salir delante de usted. tú. Antes incluso de que hayas procesado conscientemente la información, tu cerebro ha señalado los detalles más importantes. ¿Cómo se le enseña a una computadora a poder hacer esto? Bueno, resulta que una excelente manera de hacerlo es ver cómo los humanos priorizan los detalles reconocibles y destacados de una imagen cuando la dibujan.
"No hay conocimiento humano inherentemente incorporado en las fotografías [por sí solas]", dijo Song. "Lo que queremos son datos humanos que puedan darnos señales sobre cómo los humanos entienden un objeto".
Como se señaló, una buena Pictionario El jugador, como buen boxeador, sabrá lo mínimo que debe hacer para lograr un determinado objetivo. Esto, en un sentido macro, es lo que les importa a Yi-Zhe Song y sus colegas. No es nada tan trivial como conseguir que una computadora juegue un juego; se trata de conseguir que una computadora comprenda lo que es importante acerca de ciertas escenas y, con suerte, pueda generalizar mejor.
Como todo desde coches sin conductor Dado que los robots en el lugar de trabajo son cada vez más comunes, esta es una tarea esencial a resolver.
Se presentará un artículo que describe el trabajo en SIGGRAPH Asia 2020 en noviembre.
Recomendaciones de los editores
- Voyage es una IA. paraíso de los juegos donde los bots escriben las reglas
- Ajedrez. Peligro. Ir. ¿Por qué utilizamos los juegos como punto de referencia para la IA?
- Una IA está diseñando videojuegos retro, y son sorprendentemente buenos
