인공 일반 지능, 지능적인 A.I의 아이디어. 인간이 할 수 있는 모든 지적 작업을 이해하고 학습할 수 있는 에이전트는 오랫동안 공상 과학 소설의 한 구성 요소였습니다. A.I. 더욱 똑똑해지고 있습니다. 특히 자신의 코드를 다시 작성할 수 있는 획기적인 기계 학습 도구를 통해 새로운 경험을 통해 학습하는 코드 - 실제 인공 지능 대화의 일부로 점점 더 널리 사용되고 있습니다. 잘.
내용물
- 세계를 건설하다
- 게임의 규칙
- 어려운 것은 쉽고, 쉬운 것은 어렵다
그러나 AGI가 도착하면 어떻게 측정합니까? 수년에 걸쳐 연구자들은 다양한 가능성을 제시해 왔습니다. 가장 유명한 것은 튜링 테스트(Turing Test)로, 인간 판사가 눈에 보이지 않는 시각으로 인간과 기계 모두와 상호 작용하고 어느 것이 어느 것인지 추측해야 합니다. 다른 두 명은 Ben Goertzel의 Robot College Student Test와 Nils J. Nilsson의 취업 시험은 AI가 대학 학위를 취득할 수 있는지 또는 직장에서 일할 수 있는지 확인하여 AI의 능력을 실질적으로 테스트하려고 합니다. 개인적으로 무시하고 싶은 또 다른 주장은 지능이 Ikea 스타일 플랫팩 가구를 문제 없이 성공적으로 조립하는 능력으로 측정될 수 있다고 가정합니다.
추천 동영상
가장 흥미로운 AGI 조치 중 하나는 Apple 공동 창업자인 Steve Wozniak이 제시한 것입니다. 친구와 추종자들에게 알려진 Woz는 커피 테스트를 제안합니다. 일반 지능이란 세계 어느 집에나 들어가서 부엌을 찾고, 신선한 커피 한 잔을 끓인 다음 머그잔에 부을 수 있는 로봇을 의미한다고 그는 말했습니다.
관련된
- 아날로그 AI? 이상하게 들리겠지만, 미래일 수도 있습니다
- 추세 분석 AI는 다음과 같습니다. 기술 분야에서 차세대 혁신이 될 것이라고 생각합니다.
- AI의 미래: 향후 몇 년 동안 주목해야 할 4가지 주요 사항
모든 AI와 마찬가지로 지능 테스트에서는 매개변수의 범위가 얼마나 넓은지 또는 좁은지에 대해 논쟁을 벌일 수 있습니다. 그러나 지능이 현실 세계를 헤쳐나가는 능력과 연결되어야 한다는 생각은 흥미롭습니다. 이는 또한 새로운 연구 프로젝트에서 테스트하려는 것이기도 합니다.
세계를 건설하다
“지난 몇 년 동안 A.I. 커뮤니티는 AI 교육에 큰 진전을 이루었습니다. 복잡한 작업을 수행하는 에이전트입니다." 루카 웨이스, 고(故) 마이크로소프트 공동 창업자인 폴 앨런(Paul Allen)이 설립한 인공지능 연구소인 앨런 AI 연구소(Allen Institute for AI)의 연구 과학자는 디지털 트렌드(Digital Trends)에 말했다.
Weihs는 DeepMind의 AI 개발을 인용했습니다. 학습할 수 있는 에이전트 고전적인 Atari 게임을 플레이하세요 그리고 바둑에서 인간 플레이어를 이기다. 그러나 Weihs는 이러한 작업이 우리 세계와 "종종 분리되어 있다"고 지적했습니다. AI에게 현실 세계의 사진을 보여주세요. Atari 게임을 하도록 훈련을 받았지만 자신이 무엇을 보고 있는지 전혀 알 수 없습니다. Allen Institute 연구원들은 여기에 뭔가 제안할 것이 있다고 믿습니다.
Allen Institute for A.I. 부동산 제국 같은 것을 건설했습니다. 하지만 이것은 가상 부동산인 만큼 물리적 부동산도 아닙니다. 부엌, 침실, 욕실, 거실을 포함하여 수백 개의 가상 방과 아파트를 개발했으며 여기에 AI가 적용되었습니다. 에이전트는 수천 개의 개체와 상호 작용할 수 있습니다. 이러한 공간은 현실적인 물리학, 여러 에이전트 지원, 심지어 뜨겁거나 차가운 상태까지 자랑합니다. A.I. 에이전트는 이러한 환경에서 플레이하므로 세상에 대한 보다 현실적인 인식을 구축할 수 있다는 아이디어가 있습니다.
“[새] 작업에서 우리는 A.I. 에이전트는 그 안에서 대화형 게임을 플레이함으로써 현실적인 환경에 대해 배울 수 있었습니다.”라고 Weihs는 말했습니다. “이 질문에 대답하기 위해 우리는 충실도가 높은 환경 내에서 적대적 강화 학습을 사용하여 숨바꼭질의 변형인 캐시를 플레이하도록 두 에이전트를 훈련했습니다. AI2-THOR 환경. 이 게임플레이를 통해 에이전트가 개별 이미지를 표현하는 방법을 학습하고 메서드 성능에 접근한다는 사실을 발견했습니다. 수백만 개의 손으로 라벨을 붙인 이미지가 필요하며 심지어 [개발]에서 자주 연구하는 일부 인지 기본 요소를 개발하기 시작했습니다. 심리학자.”
게임의 규칙
일반적인 숨바꼭질과 달리 Cache에서는 봇이 변기 플런저, 빵 덩어리, 토마토 등과 같은 개체를 교대로 숨깁니다. 각 개체는 고유한 기하학적 구조를 자랑합니다. 그런 다음 두 요원(하나는 숨는 사람, 다른 하나는 탐색자)이 경쟁하여 한 사람이 다른 사람에게서 물건을 성공적으로 숨길 수 있는지 확인합니다. 여기에는 탐색 및 매핑, 관점 이해, 숨기기, 객체 조작 및 탐색을 포함한 여러 가지 과제가 포함됩니다. 숨는 사람이 물체를 손에 쥐고 떨어뜨리지 않고 조작할 수 있어야 한다는 요구 사항까지 모든 것이 정확하게 시뮬레이션됩니다.
심층 강화 학습 사용 - 상황에 따라 조치를 취하는 학습을 기반으로 하는 기계 학습 패러다임 보상을 극대화하는 환경 — 봇은 물체를 숨기고 찾는 능력이 점점 더 좋아집니다. 그들을 밖으로.
Weihs는 “AI가 이것을 어렵게 만드는 이유는 그들이 세상을 우리와 같은 방식으로 보지 않는다는 것입니다.”라고 말했습니다. “수십억 년에 걸친 진화를 통해 우리의 두뇌는 유아기에도 광자를 효율적으로 개념으로 변환할 수 있게 되었습니다. 반면에 A.I. 처음부터 시작하여 세계를 숫자의 거대한 격자로 보고 이를 의미로 해독하는 방법을 배워야 합니다. 더욱이, 세계가 64개의 정사각형에 깔끔하게 포함되어 있는 체스와 달리 에이전트가 보는 모든 이미지는 환경의 작은 부분이므로 시간에 따른 관찰을 통합하여 환경에 대한 일관된 이해를 형성해야 합니다. 세계."
분명히 말하면, 이 최신 작업은 초지능 AI를 구축하는 것이 아닙니다. 같은 영화에서는 터미네이터 2: 심판의 날, 스카이넷 슈퍼컴퓨터는 1997년 8월 29일 동부 표준시 정확히 오전 2시 14분에 자기 인식을 달성했습니다. 이제 우리 집단 백미러에서 거의 25년이 된 날짜에도 불구하고, 일반 AI가 이러한 정확한 전환점을 갖게 될 것 같지는 않습니다. AGI가 됩니다. 대신, 우리가 마침내 여러 영역에 걸쳐 일반화된 지능에 접근하는 무언가를 얻을 때까지 점점 더 많은 계산 과일(낮은 행과 높은 행)이 뽑힐 것입니다.
어려운 것은 쉽고, 쉬운 것은 어렵다
연구자들은 전통적으로 AI의 복잡한 문제에 관심을 가져왔습니다. 어려운 문제를 정리할 수 있다면 쉬운 문제도 너무 뒤쳐져서는 안 된다는 생각을 바탕으로 해결하는 것입니다. 성인의 의사결정을 시뮬레이션할 수 있다면 대상 영속성(대상이 여전히 우리가 볼 수 없을 때 존재한다는 것) 아이가 생애 첫 몇 달 안에 배운다는 것은 실제로 어려운? 대답은 '그렇다'입니다. 그리고 AI에 관한 이 역설은 어려운 일은 쉽고, 쉬운 일은 어렵다., 이것이 바로 이러한 작업을 해결하기 위한 것입니다.
“A.I 훈련을 위한 가장 일반적인 패러다임입니다. 에이전트는 단일 작업(예: 개체 인식)에만 집중된 수동으로 레이블이 지정된 거대한 데이터 세트와 관련됩니다.”라고 Weihs는 말했습니다. “이 접근 방식은 큰 성공을 거두었지만 AI를 생성하기에 충분한 데이터 세트를 수동으로 생성할 수 있다고 믿는 것이 낙관적이라고 생각합니다. 현실 세계에서 지능적으로 행동하고, 인간과 소통하며, 이전에 접하지 못했던 모든 종류의 문제를 해결할 수 있는 에이전트입니다. 이를 위해서는 에이전트가 자신의 세계와 자유롭게 상호 작용할 수 있도록 함으로써 우리가 당연하게 여기는 기본적인 인지 기본 요소를 학습할 수 있도록 해야 한다고 생각합니다. 우리의 연구는 게임플레이를 사용하여 AI에 동기를 부여한다는 것을 보여줍니다. 에이전트가 자신의 세계와 상호작용하고 탐색하는 결과 학습이 시작됩니다. 이러한 기본 요소 — 이를 통해 게임플레이가 수동으로 라벨링된 데이터세트에서 벗어나 경험적인 방향으로 나아가는 유망한 방향임을 보여줍니다. 학습."
ㅏ 이 작품을 설명하는 문서 다가오는 2021 학습 표현에 관한 국제 컨퍼런스에서 발표될 예정입니다.
편집자의 추천
- 착시 현상은 차세대 AI를 구축하는 데 도움이 될 수 있습니다
- 재미있는 공식: 기계가 생성한 유머가 AI의 성배인 이유
- AI의 섬뜩할 정도로 아름다운 '종합 성서'를 읽어보세요. 그게 신이라고 생각하는 거야
- 알고리즘 아키텍처: A.I. 우리를 위한 건물 디자인?
- 감정 감지 A.I. 여기 있습니다. 다음 면접에 나올 수도 있습니다.
