დაელაპარაკე ხელოვნური ინტელექტის ნებისმიერ მკვლევარს და ისინი გეტყვიან, რომ, სანამ A.I. შეიძლება ჰქონდეს ისეთი რთული მოქმედებები, როგორიცაა მანქანების მართვა და რენტგენის სკანირებით მცირე დეტალების დანახვა, ისინი ჯერ კიდევ ძალიან ჩამორჩებიან, როდესაც საქმე ეხება 3 წლის ბავშვის განზოგადებულ შესაძლებლობებს ბავშვი. ამას ზოგჯერ უწოდებენ მორავეკის პარადოქსი: რომ ერთი შეხედვით რთული რამ მარტივია A.I-სთვის, ხოლო ერთი შეხედვით მარტივი რთულია.
მაგრამ რა მოხდება, თუ შეგეძლო ასწავლო A.I. რომ ისწავლე ბავშვივით? და რა სახის სასწავლო მონაცემები დაგჭირდებათ ნერვულ ქსელში ექსპერიმენტის განსახორციელებლად? ნიუ-იორკის უნივერსიტეტის მკვლევარებმა ახლახან დაიწყეს ამ ჰიპოთეზის შემოწმება მონაცემთა ნაკრების გამოყენებით ვიდეო კადრები გადაღებული თავში დამონტაჟებული კამერებიდან, რომლებსაც რეგულარულად ატარებენ ბავშვები პირველი სამი წლის განმავლობაში ცოცხალი.
რეკომენდებული ვიდეოები
ეს SAYcam მონაცემები შეგროვდა ფსიქოლოგის მიერ ჯეს სალივანი და კოლეგები ა ამ წლის დასაწყისში გამოქვეყნებული ნაშრომი. ბავშვები ჩაწერდნენ თავიანთ GoPro-ს სტილის გამოცდილებას კვირაში ერთიდან ორ საათამდე, როდესაც ისინი ყოველდღიურ ცხოვრებას ასრულებდნენ. მკვლევარებმა ჩაწერეს კადრები, რათა შეექმნათ „ჩვილებისა და ბავშვის პერსპექტივის ვიდეოების დიდი, ნატურალისტური, გრძივი მონაცემთა ნაკრები“ ფსიქოლოგების, ლინგვისტებისა და კომპიუტერული მეცნიერების მიერ გამოსაყენებლად.
ასწავლის A.I. რომ სამყაროს ბავშვივით შეხედო
შემდეგ ნიუ-იორკის უნივერსიტეტის მკვლევარებმა აიღეს ეს ვიდეო მონაცემები და გამოიყენეს ნერვული ქსელის მოსამზადებლად.
„მიზანი იყო მივმართო ბუნება vs. აღზრდის ტიპის კითხვა,” ემინ ორჰანი, პროექტის წამყვანმა მკვლევარმა განუცხადა Digital Trends-ს ელფოსტაში. ”ამ ვიზუალური გამოცდილების გათვალისწინებით, რომელსაც ბავშვები იღებენ ადრეულ განვითარებაში, შეგვიძლია ვისწავლოთ მაღალი დონის ვიზუალური კატეგორიები - როგორიცაა მაგიდა, სკამი, კატა, მანქანა და ა.შ. — ზოგადი სწავლის ალგორითმების გამოყენება, თუ ეს უნარი მოითხოვს რაიმე სახის თანდაყოლილ ცოდნას ბავშვებში რომლის სწავლა შეუძლებელია სწავლის ზოგადი მეთოდების გამოყენებით ადრეულ ვიზუალურ გამოცდილებაზე, რომელსაც ბავშვები მიღება?”
A.I. მან აჩვენა გარკვეული სწავლა, მაგალითად, კატის ამოცნობით, რომელიც ხშირად იყო ნაჩვენები ვიდეოში. მიუხედავად იმისა, რომ მკვლევარებმა არაფერი შექმნეს ბავშვის ვერსიასთან ახლოს ხელოვნური გენერალური ინტელექტიმიუხედავად ამისა, კვლევა ხაზს უსვამს იმას, თუ როგორ შეიძლება ვიზუალური მახასიათებლების სწავლა უბრალოდ ნატურალისტური მონაცემების ყურებით. თუმცა კიდევ მეტი სამუშაოა გასაკეთებელი.
„ჩვენ აღმოვაჩინეთ, რომ, ზოგადად, შესაძლებელია ვისწავლოთ საკმაოდ დახვეწილი მაღალი დონის ვიზუალური ცნებები ამ გზით ყოველგვარი თანდაყოლილი ცოდნის გარეშე“, - განმარტა ორჰანმა. ”მაგრამ ზუსტად იმის გაგება, თუ რისი გაკეთება შეუძლიათ მანქანური სწავლების ამ მოდელებს, რომლებიც გაწვრთნილნი არიან თავსახურის მონაცემებით, და ის, რაც ჯერ კიდევ აკლია ამ მოდელებს ბავშვების ვიზუალურ შესაძლებლობებთან შედარებით, ჯერ კიდევ [ა] მუშაობა პროგრესი.”
Ქაღალდი კვლევის აღწერილობა ხელმისაწვდომია ინტერნეტით წასაკითხად.
რედაქტორების რეკომენდაციები
- როგორ შეეძლო Nintendo-ს A.I. Switch Pro-ში 4K თამაშების მიტანა
- ჭკვიანი ახალი A.I. სისტემა გპირდებათ გაწვრთნას თქვენს ძაღლს, სანამ სახლიდან შორს ხართ
- ეს ძირითადი ადამიანური უნარი არის შემდეგი მნიშვნელოვანი ეტაპი A.I-სთვის.
- Facebook A.I. შეუძლია მოაგვაროს ერთ-ერთი ყველაზე შემაშფოთებელი პრობლემა ვიდეო ჩეთის აპებში
- ეს A.I. მემების გენერატორმა აითვისა უცნაური ინტერნეტ იუმორის ხელოვნება
განაახლეთ თქვენი ცხოვრების წესიციფრული ტენდენციები ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.
