원인과 결과의 존재를 처음 발견했을 때의 놀랍고 계시적인 느낌을 기억하십니까? 그것은 속임수 질문입니다. 아이들은 빠르면 8개월부터 인과관계의 원리를 배우기 시작하여 주변 세계에 대해 기초적인 추론을 할 수 있도록 돕습니다. 그러나 우리 대부분은 서너 살 정도가 되기 전에는 많은 것을 기억하지 못하기 때문에 '왜'에 대한 중요한 교훈은 우리가 당연하게 여기는 것입니다.
이는 인간이 배워야 할 중요한 교훈일 뿐만 아니라 오늘날의 인공 지능 시스템이 매우 못하는 교훈이기도 합니다. 현대적인 A.I. 할 수 있다 바둑에서 인간 플레이어를 이기고 복잡한 거리에서 자동차를 운전하는 것, 이것은 인간이 이러한 능력을 습득하기 위해 사용할 수 있는 지능의 종류와 반드시 비교할 수는 없습니다. 인간은 심지어 어린 유아라도 한 영역의 지식을 다른 영역에 적용하여 일반화하는 능력을 갖고 있기 때문입니다. AI용 잠재력을 최대한 발휘하기 위해서는 그 사람도 할 수 있어야 하는 일.
추천 동영상
"예를 들어, 로봇이 일부 블록을 사용하여 탑을 짓는 방법을 배웠다면 이러한 기술을 다리나 집과 같은 구조물을 짓는 데 이전할 수 있습니다." 오사마 아메드, 스위스 ETH Zurich의 석사 과정 학생은 Digital Trends에 말했습니다. “이를 달성하는 한 가지 방법은 다양한 환경 변수 간의 인과 관계를 학습하는 것일 수 있습니다. 아니면 트라이핑거 로봇 에 사용 인과세계 하드웨어 고장으로 인해 갑자기 손가락 하나를 잃었습니다. 그런데 어떻게 손가락 두 개만으로 골대 모양을 만들 수 있을까요?”
인과세계 영상
기계를 위한 가상 교육 세계
CausalWorld는 무엇입니까? 프레데릭 트로이블레, 박사 학위 독일 막스플랑크 지능형 시스템 연구소의 학생은 "조작 벤치마크"라고 부릅니다. 향해 나아가는 단계입니다 로봇 에이전트가 질량이나 모양과 같은 환경 특성의 다양한 변화를 더 잘 일반화할 수 있도록 연구를 진행합니다. 사물. 예를 들어, 로봇이 특정 물체를 집는 법을 배운다면 우리는 그것이 올바른 원인을 이해하는 한 이 능력을 더 무거운 물체에 전달할 수 있습니다. 관계.
공상과학 영화에서 흔히 접할 수 있는 가상 훈련 환경은 다음과 같습니다. 매트릭스: 규칙이 적용되지 않는 가상 세계. 연구자들이 로봇 환경에서 자신의 방법을 체계적으로 훈련하고 평가할 수 있는 CausalWorld에서는 정반대입니다. 규칙을 배우고 적용하는 것이 전부입니다. 로봇 에이전트에게는 아이들이 쌓기, 밀기 및 기타 인과관계 놀이를 위해 블록을 가지고 놀 때 참여하는 것과 유사한 작업이 주어질 수 있습니다. 연구자들은 로봇이 학습하면서 일반화 능력을 테스트하기 위해 개입할 수 있습니다. 기본적으로 AI가 어떻게 작동하는지 평가하는 데 도움이 되는 테스트 환경입니다. 상담원은 일반화할 수 있습니다.
“현대 AI의 대부분은. 데이터에서 상관관계와 같은 통계 정보를 추출하는 통계 학습을 기반으로 합니다.” 베른하르트 셸코프, Max Planck Institute 소장은 Digital Trends에 말했습니다. “이것은 우리가 다른 수량으로부터 하나의 수량을 예측할 수 있게 해주지만 아무것도 변하지 않는 한만 가능하다는 점에서 훌륭합니다. 시스템에 개입하면 모든 베팅이 취소됩니다. 이러한 경우 예측을 하려면 통계적 학습을 넘어 인과관계를 향해 나아가야 합니다. 궁극적으로 미래의 A.I. '상상된 공간에서 행동한다'는 의미에서 생각하는 것이라면 개입이 중요하므로 인과관계를 고려해야 합니다."
편집자의 추천
- 보안 로봇이 가까운 학교에 올 수 있다
- Amazon, AI를 배포하여 제품 리뷰 요약
- Amazon, 검색에 '한 세대에 한 번' 변경 계획 발표, 구인 광고 공개
- Google 스마트 캔버스, 앱 간 통합 강화
- 엔비디아의 최신 AI 결과는 ARM이 데이터 센터에 대한 준비가 되어 있음을 입증합니다.
당신의 라이프스타일을 업그레이드하세요Digital Trends는 독자들이 모든 최신 뉴스, 재미있는 제품 리뷰, 통찰력 있는 사설 및 독특한 미리보기를 통해 빠르게 변화하는 기술 세계를 계속해서 살펴볼 수 있도록 도와줍니다.
