הבוט המשחק הזה בציורי הוא אבן דרך ענקית עבור A.I.

כמו Alexa Skills החדשים ב-Amazon Echo שלך, בעשורים האחרונים ניתן לראות את A.I. להשיג בהדרגה את היכולת להגיע לאנושות הטובה ביותר ביותר ויותר מהמשחקים האהובים שלנו: שחמט עם כחול עמוק ב-1997, סַכָּנָה עם IBM Watson ב-2011, משחקי Atari עם DeepMind ב-2013, ללכת עם AlphaGo בשנת 2016, וכולי. לציבור הרחב, לפחות, כל מקרה הופך את הדרך המופשטת של התקדמות חישובית לספורט צופים. Skynet נעשה חכם יותר. איך אנחנו יודעים? כי בדוק את מספר הבילויים ההולך וגדל שהוא יכול לנצח אותנו בצורה משכנעת.

עם הרקע הזה, זה לא מזעזע יותר מדי לשמוע ש-A.I. יכול כעת להופיע בצורה משכנעת ב מילון, משחק ניחוש המילים בהשראת המצעדים שדורש מאדם אחד לצייר תמונה ואחרים לנסות להבין מה הם שרטטו מהר ככל האפשר.

זה מה שחוקרים מאוניברסיטת סארי בבריטניה ביצעו לאחרונה עם יצירת Pixelor, "סקיצה תחרותית A.I. סוֹכֵן." נתון ויזואלי הרעיון, Pixelor מסוגלת לצייר סקיצה שניתן לזהות (הן על ידי בני אדם והן על ידי מכונות) כנושא המיועד לה באותה מהירות - או אפילו מהר יותר - מאשר אדם מתחרה.

"A.I שלנו הסוכן מסוגל להציג סקיצה מאפס", שיר יי-ג'ה, קורא ראיית מחשב ולמידת מכונה במרכז לחזון דיבור ועיבוד אותות באוניברסיטת סארי, סיפר ל-Digital Trends. "תן לזה מילה כמו 'פנים' והוא יידע מה לצייר.... זה יצייר חתול אחר, כלב אחר, פנים אחרות, כל פעם מחדש. אבל תמיד עם הידע איך לנצח את המשחק Pictionary."

בניית מאסטר Pictionary

היכולת לצמצם תמונה מורכבת בעולם האמיתי לסקיצה היא, כשלעצמה, די מרשימה. נדרשת רמת הפשטה כדי להסתכל על פנים אנושיות ולראות אותן כאליפסה עם שתי אליפסות קטנות יותר לעיניים, קו לאף וחצי עיגול לפה. אצל ילדים, היכולת לתפוס תמונה בצורה זו מראה, בין היתר, על הבנה קוגניטיבית מתפתחת של מושגים.

עם זאת, כמו בהיבטים רבים של A.I., לעתים קרובות מסוכמים כ הפרדוקס של מורבץ ש"הבעיות הקשות הן קלות והבעיות הקלות הן קשות", זה אתגר משמעותי למכונה אינטליגנציה - למרות העובדה שזו מיומנות בסיסית ובלתי ראויה לציון עבור רוב בני השנתיים יְלָדִים.

עם זאת, זה לא אתגר בלתי פתיר. בשנת 2016, כתבנו על עבודתו של Song עם כלי שנקרא Sketch, רשת נוירונים ללמידה עמוקה שהצליחה לזהות סקיצות מצוירות ביד ולהשתמש בהן כדי לחפש מוצרים מהחיים האמיתיים. הרשת הספציפית הזו אומנה באמצעות מערך נתונים המורכב מכ-30,000 השוואות בין סקיצות לתמונות, מה שמאפשר לה להיות מסוגל לזהות את האופן שבו אובייקטים אמיתיים מוצגים בציור ידני. Pixelor עושה משהו דומה, אבל יכולה גם ליצור ציורים משלה, במקום רק לזהות את זה של אנשים אחרים.

אבל זה לא מספיק כדי לנצח מילון. מילון הוא משחק מאתגר בזמן שבו המטרה היא לא רק לצייר, למשל, חתול, אלא לצייר חתול בכמה שפחות משיכות. אתה יכול להיות האמן הגדול בעולם, אבל אם לוקח לך 12 שעות לצייר חתול מושלם, אתה נורא מילון שחקן.

משמעות הדבר הייתה בניית A.I. שיוכלו לחקור בני אדם כדי לראות באילו אסטרטגיות הם משתמשים כדי לשחק היטב את Pictionary. כפי שאמר סונג, "מהם הקטעים החשובים ביותר לצייר כדי לאפשר לשופטים אנושיים אחרים להיות מסוגלים לנחש? אנחנו רוצים לנחש את הציור שלנו מוקדם ככל האפשר".

לשם כך, החוקרים לקחו את QuickDraw, מערך הסקיצות האנושי הגדול ביותר שהיה זמין עד כה. לאחר מכן הם בנו אלגוריתם מיון עצבי שמתעדף את סדר החבטות שאמן צריך לעשות; מתן ייצוג ניתן לניחוש של אובייקט בכמה שפחות שורות. משמעות הדבר היא פירוק סקיצות לתנועות, ואז ערבוב של סדר המשיכות הללו ובדיקת התוצאות עד שהן קובעות את הסדר המדויק שבו יש להניח אותן על הנייר.

לדוגמה, אמן יכול להתחיל לצייר חתול על ידי שרטוט מתאר עגול לראשו. אבל מעגל יכול להיות כל מספר דברים, גם אם אתה יודע שהוא אמור לייצג ראש. צייר שתי אוזניים מחודדות, עם זאת, או שני סטים של שפם ומספר הדברים הפוטנציאליים שאתה יכול לצייר מצטמצם מאוד מאוד מהר. מידע זה משמש לאחר מכן כדי להנחות את סוכן השרטוטים.

סונג אמר שהצוות יכול לשחרר גרסה הפונה לציבור של זה מילון-משחק בוט כדי ששחקנים אנושיים יוכלו להצליח בעצמם לנצח A.I משרטט. לִשְׁלוֹט. (מי יודע? משחק מומחה יכול אפילו לעזור לשפר את שלך מילון מִשְׂחָק.)

יותר מהנראה לעין

עם זאת, יש יותר ב-Pixelor מסתם עוד בוט משחק טריוויאלי. בדיוק כמו שלמערכת מחשבים יש ממשק ברמת פני השטח איתו אנחנו מקיימים אינטראקציה וגם קוד אחורי מתחת למכסה המנוע, כך גם כל A.I גדול. לאבן דרך של משחק יש מניע נסתר. אלא אם כן הם מייצרים משחקי מחשב במפורש, מעבדות מחקר לא מקדישות אינספור שעות עבודה בבנייה משחק A.I. סוכנים רק כדי להוסיף עוד ערך ברשימה הגדולה של דברים שבני אדם כבר לא הכי טובים בְּ. המטרה היא תמיד לקדם חלק מהותי של A.I. פתרון בעיות.

במקרה של Pixelor, המטרה הנסתרת היא ליצור מכונות שיוכלו להבין טוב יותר מה חשוב לאדם בסצנה מסוימת. כאשר אנו מסתכלים על תמונה, אנו יכולים מיד לדעת מהם הפרטים הבולטים ביותר.

נניח שאתה נוסע הביתה מהעבודה. אמנם העצים השוכנים בצד הדרך עשויים להיות ציוריים ושלט החוצות לסרט חדש יכול להיות מעניין, אף אחת מהן אינה חשובה כמו הפנים ושפת הגוף של האדם שעומד או לא עומד לצאת מולו אתה. לפני שבכלל עיבדת את המידע במודע, המוח שלך הבחין בפרטים החשובים ביותר. איך מלמדים מחשב להיות מסוגל לעשות זאת? ובכן, מסתבר שאחת הדרכים הטובות לעשות זאת היא לראות כיצד בני אדם מתעדפים את הפרטים הבולטים הניתנים לזיהוי בתמונה כשהם משרטטים אותה.

"אין ידע אנושי המוטבע מטבעו בתמונות [לבד]", אמר סונג. "מה שאנחנו רוצים זה נתונים אנושיים שיכולים לתת לנו אותות על איך בני אדם מבינים אובייקט."

כאמור, טוב מילון שחקן, כמו מתאגרף טוב, יידע את המינימום המוחלט שהם צריכים לעשות כדי להשיג מטרה מסוימת. זה, במובן מאקרו, מה שאכפת לו ליי-ג'ה סונג ולעמיתיו. זה לא משהו טריוויאלי כמו לגרום למחשב לשחק משחק; זה גורם למחשב להבין מה חשוב בסצנות מסוימות - ובתקווה להיות מסוגל להכליל טוב יותר.

כמו הכל מ מכוניות בנהיגה עצמית לרובוטים במקום העבודה הופכים נפוצים יותר ויותר, זוהי משימה חיונית לפתרון.

מאמר המתאר את העבודה יוצג ב- SIGGRAPH Asia 2020 בנובמבר.

המלצות עורכים

• Voyage הוא A.I. גן עדן למשחקים שבו בוטים כותבים את החוקים
• שַׁחְמָט. סַכָּנָה. ללכת. מדוע אנו משתמשים במשחקים כאמת מידה עבור A.I?
• א.י. מעצבת משחקי וידאו רטרו - והם מפתיעים לטובה