See piltilusa mängiv bot on A.I jaoks tohutu verstapost.

Nagu teie Amazon Echo uued Alexa oskused, on need viimased paar aastakümmet näinud A.I. omandage järk-järgult võime inimlikkuse parimaks muutmiseks üha rohkemates meie armastatud mängudes: Deep Blue male 1997. aastal, Oht IBM Watsoniga 2011. aastal, Atari mängud DeepMindiga 2013. aastal, Mine AlphaGoga 2016. aastal, ja nii edasi. Vähemalt avalikkuse jaoks muudab iga eksemplar arvutusliku arengu abstraktse tee pealtvaatajaspordiks. Skynet muutub targemaks. Kuidas me teame? Sest vaadake üha kasvavat ajaveetmisvõimalust, mille osas see meid veenvalt ületab.

Selle taustaga pole kuigi šokeeriv kuulda, et A.I. suudab nüüd veenvalt hästi esineda Pictionary, šaraadidest inspireeritud sõnade äraarvamise mäng, mis nõuab, et üks inimene joonistaks kujutise ja teised püüavad võimalikult kiiresti välja mõelda, mida nad on visandanud.

Just seda tegid hiljuti Ühendkuningriigi Surrey ülikooli teadlased, luues Pixelori, „konkureeriva visandamise A.I. agent." Antud visuaal kontseptsiooni kohaselt suudab Pixelor joonistada visandi, mis on (nii inimeste kui ka masinate poolt) selle kavandatud objektina äratuntav sama kiiresti või isegi kiiremini kui inimene. konkurent.

"Meie A.I. agent suudab visandi nullist renderdada. Yi-Zhe laul, Surrey ülikooli nägemis- ja signaalitöötluskeskuse arvutinägemise ja masinõppe lugeja, rääkis väljaandele Digital Trends. "Anna sellele sõna nagu "nägu" ja ta teab, mida joonistada. … See joonistab iga kord erineva kassi, erineva koera, erineva näo. Kuid alati teadmisega, kuidas Pictionary mängu võita.

Pictionary meistri ehitamine

Keerulise tegeliku pildi visandiks redutseerimine on iseenesest üsna muljetavaldav. Inimese näo vaatamiseks on vaja teatud abstraktsioonitaset ja näha seda ovaalina, millel on kaks väiksemat ovaali silmade jaoks, joon nina jaoks ja poolring suu jaoks. Lastel näitab võime pilti sel viisil tajuda muuhulgas kasvavat kognitiivset arusaamist mõistetest.

Kuid nagu paljude A.I aspektide puhul, mida sageli võetakse kokku järgmiselt Moraveci paradoks et "rasked probleemid on lihtsad ja kerged probleemid on rasked", on see masina jaoks märkimisväärne väljakutse intelligentsus – hoolimata asjaolust, et see on enamiku kaheaastaste laste jaoks elementaarne, märkamatu oskus lapsed.

See pole siiski lahendamatu väljakutse. 2016. aastal, kirjutasime Songi tööst tööriistaga Sketch – süvaõppega närvivõrk, mis suutis ära tunda käsitsi joonistatud visandid ja kasutada neid päriselu toodete otsimiseks. Seda konkreetset võrku koolitati andmekogumi abil, mis koosnes umbes 30 000 sketši ja foto võrdlusest, mis võimaldas tal tuvastada, kuidas reaalseid objekte käsitsi joonistamisel esitatakse. Pixelor teeb midagi sarnast, kuid suudab ka ise luua jooniseid, mitte lihtsalt teiste inimeste jooniseid ära tunda.

Kuid sellest ei piisa, et võita Pictionary. Pictionary on aja väljakutsega mäng, kus eesmärk ei ole lihtsalt joonistada näiteks kassi, vaid joonistada kass võimalikult väheste tõmmetega. Sa võid olla maailma suurim kunstnik, aga kui sul kulub täiusliku kassi joonistamiseks 12 tundi, oled sa kohutav Pictionary mängija.

See tähendas A.I. mis võiks uurida inimesi, et näha, milliseid strateegiaid nad Pictionary hästi mängimiseks kasutavad. Nagu Song ütles: „Millised on kõige olulisemad tükid, mida joonistada, et teised inimkohtunikud saaksid arvata? Soovime, et meie joonistus oleks võimalikult vara ära arvata.

Selleks võtsid teadlased kasutusele QuickDraw, seni suurima saadaoleva inimese visandite andmestiku. Seejärel koostasid nad närvide sorteerimisalgoritmi, mis seab esikohale löökide järjestuse, mida kunstnik peab tegema; objekti võimalikult väheste joontega aimatava esituse andmine. See tähendab visandite jagamist tõmmeteks, seejärel nende tõmmete järjestuse segamist ja tulemuste testimist, kuni need määravad kindlaks täpse järjekorra, milles need tuleb paberile panna.

Näiteks võiks kunstnik alustada kassi joonistamist, visandades selle pea jaoks ringikujulise kontuuri. Kuid ring võib olla mis tahes arv asju, isegi kui teate, et see peaks tähistama pead. Joonistage aga kaks teravat kõrva või kaks vurrude komplekti ja võimalike asjade arv, mida võiksite joonistada, väheneb väga-väga kiiresti. Seda teavet kasutatakse seejärel visandamisagendi juhendamiseks.

Song ütles, et meeskond võiks sellest avalikkusele mõeldud versiooni välja anda Pictionary- mängib robotit, et inimmängijad saaksid visandavat A.I-d lüüa. meister. (Kes teab? Eksperdi mängimine võib isegi aidata teie enda oma paremaks muuta Pictionary mäng.)

Rohkem kui esmapilgul paistab

Pixeloris on aga rohkemat kui lihtsalt üks triviaalne mängurobot. Nii nagu arvutisüsteemil on nii pinnatasemel liides, millega me suhtleme, kui ka kapotialune taustakood, nii on ka igal suuremal A.I. mängimise verstapostidel on varjatud motiiv. Uurimislaborid ei kuluta ehitamisele lugematuid töötunde, kui nad just otseselt arvutimänge ei valmista. mänguline A.I. agente lihtsalt selleks, et lisada veel üks kirje nende asjade suurde nimekirja, mida inimesed ei ole enam parimad juures. Eesmärk on alati edendada mõnda A.I põhiosa. probleemi lahendamine.

Pixelori puhul on varjatud eesmärk teha masinaid, mis suudavad paremini aru saada, mis on konkreetses stseenis inimese jaoks oluline. Kui vaatame pilti, saame kohe aru, millised on kõige silmapaistvamad detailid.

Oletame, et sõidate töölt koju. Kuigi teeserva ääristavad puud võivad olla maalilised ja uue filmi stend võib olla huvitav, kumbki pole nii oluline kui selle inimese nägu ja kehakeel, kes võib või ei pruugi ees välja astuda sina. Enne kui olete seda teavet isegi teadlikult töötlenud, on teie aju välja toonud kõige olulisemad detailid. Kuidas õpetada arvutit seda tegema? Selgub, et üks suurepärane viis seda teha on näha, kuidas inimesed eelistavad pildil visandades esiletõstetud äratuntavaid detaile.

"[Ainult] fotodele pole inimteadmisi oma olemuselt põimitud," ütles Song. "Me tahame inimeste andmeid, mis võivad anda meile signaale selle kohta, kuidas inimesed objektist aru saavad."

Nagu märgitud, hea Pictionary mängija, nagu hea poksija, teab absoluutset miinimumi, mida nad peavad teatud eesmärgi saavutamiseks tegema. See on makromõttes see, millest Yi-Zhe Song ja tema kolleegid hoolivad. See ei ole midagi nii triviaalset kui arvuti mängimine; see paneb arvuti mõistma, mis teatud stseenide puhul on oluline – ja loodetavasti suudab paremini üldistada.

Nagu kõik alates isejuhtivad autod Kuna robotid töökohal muutuvad üha tavalisemaks, on see oluline ülesanne lahendada.

Tööd kirjeldav dokument esitletakse novembris SIGGRAPH Asia 2020 raames.

Toimetajate soovitused

• Voyage on A.I. mänguparadiis, kus robotid kirjutavad reegleid
• Male. Oht. Mine. Miks me kasutame mänge A.I etalonina?
• A.I. kujundab retro-videomänge – ja need on üllatavalt head