Muistatko sen hämmästyttävän, paljastavan tunteen, kun huomasit ensimmäisen kerran syyn ja seurauksen olemassaolon? Se on temppukysymys. Lapset alkavat oppia kausaalisuuden periaatetta jo kahdeksan kuukauden iästä lähtien, mikä auttaa heitä tekemään alkeellisia johtopäätöksiä ympäröivästä maailmasta. Mutta useimmat meistä eivät muista paljon ennen noin kolmen tai neljän vuoden ikää, joten tärkeä oppitunti "miksi" on jotain, jota pidämme itsestäänselvyytenä.
Se ei ole vain tärkeä oppitunti ihmisille, vaan myös sellainen, jossa nykypäivän tekoälyjärjestelmät ovat melko huonoja. Vaikka moderni A.I. on kykenevä lyömällä ihmispelaajia Golla ja ajamassa autoja vilkkailla kaduilla, tämä ei välttämättä ole verrattavissa siihen älykkyyteen, jolla ihmiset voivat hallita näitä kykyjä. Tämä johtuu siitä, että ihmisillä - jopa pienillä imeväisillä - on kyky yleistää soveltamalla tietoa alueelta toiselle. A.I: lle täyttää potentiaalinsa, tämä on jotain, joka sen on myös kyettävä tekemään.
Suositellut videot
"Jos robotti esimerkiksi oppi rakentamaan tornin joidenkin lohkojen avulla, se saattaa haluta siirtää nämä taidot sillan tai jopa talon kaltaisen rakenteen rakentamiseen." Ossama Ahmed, maisteriopiskelija ETH Zurichissa Sveitsissä, kertoi Digital Trendsille. ”Yksi tapa saavuttaa tämä voisi olla eri ympäristömuuttujien välisten syy-suhteiden oppiminen. Tai kuvittele, että TriFinger robotti käytetty CausalWorld menettää yhtäkkiä yhden sormen laitteistovian vuoksi. Miten se voi silti rakentaa maalimuodon vain kahdella sormella sen sijaan?"
CausalWorld -video
Virtuaalinen harjoitusmaailma koneille
CausalWorld on mitä Frederik Träuble, tohtori Saksan Max Planck Institute for Intelligent Systems -opiskelijaa kutsutaan "manipuloinnin vertailuarvoksi". Se on askel kohti tutkimusta edistetään, jotta robottiagentit voivat paremmin yleistää erilaisia muutoksia ympäristön ominaisuuksissa, kuten ympäristön massassa tai muodossa. esineitä. Jos robotti esimerkiksi oppii poimimaan tietyn esineen, voimme kohtuudella odottaa sen voi siirtää tämän kyvyn raskaampiin esineisiin - kunhan se ymmärtää oikean syy-yhteyden suhdetta.
Sellainen virtuaalinen harjoitusympäristö, josta olemme tottuneet kuulemaan scifi-elokuvissa, on esimerkiksi Matriisi: virtuaalimaailma, jossa säännöt eivät päde. CausalWorldissä, jossa tutkijat voivat systemaattisesti kouluttaa ja arvioida menetelmiään robottiympäristöissä, asia on juuri päinvastoin. Kyse on sääntöjen oppimisesta – ja niiden soveltamisesta. Robottiagenteille voidaan antaa samanlaisia tehtäviä, joihin lapset osallistuvat, kun he leikkivät palikoilla pinoamista, työntämistä ja muuta syy-seurausleikkiä. Tutkijat voivat puuttua asiaan testatakseen robotin yleistyskykyä sen oppiessa. Se on pohjimmiltaan testausympäristö, joka auttaa arvioimaan, kuinka A.I. agentit voivat yleistää.
"Useimmat nykyajan A.I. perustuu tilastolliseen oppimiseen, jossa on kyse tilastotietojen – esimerkiksi korrelaatioiden – poimimisesta tiedoista, Bernhard SchölkopfMax Planck Instituten johtaja kertoi Digital Trendsille. ”Tämä on hienoa, koska sen avulla voimme ennustaa yhden suuren muista, mutta vain niin kauan kuin mikään ei muutu. Kun puutut järjestelmään, kaikki vedot ovat pois päältä. Ennusteiden tekemiseksi tällaisissa tapauksissa meidän on mentävä tilastollisen oppimisen lisäksi kausaaliin. Viime kädessä, jos tuleva A.I. kun on kyse ajattelusta "toimiessa kuvitteellisissa tiloissa", interventiot ovat avainasemassa, ja siksi kausaalisuus on otettava huomioon."
Toimittajien suositukset
- Turvarobotit saattavat olla tulossa kouluun lähelläsi
- Amazon käyttää tekoälyä tehdäkseen yhteenvedon tuotearvosteluista
- Amazon suunnittelee "kerran sukupolvessa" muutoksia haulle, paljastaa työpaikkailmoitus
- Google Smart Canvas integroituu paremmin sovellusten välillä
- Nvidian uusin A.I. tulokset osoittavat, että ARM on valmis palvelinkeskukseen
Päivitä elämäntapasiDigital Trends auttaa lukijoita pysymään tekniikan nopeatempoisessa maailmassa uusimpien uutisten, hauskojen tuotearvostelujen, oivaltavien toimitusten ja ainutlaatuisten kurkistusten avulla.
