Šis vaizdingas robotas yra didžiulis A.I. etapas.

Kaip ir nauji „Alexa Skills“ jūsų „Amazon Echo“, per pastaruosius porą dešimtmečių A.I. Palaipsniui įgyjame galimybę tobulinti žmogiškumą vis daugiau ir daugiau mūsų mylimų žaidimų: Šachmatai su Deep Blue 1997 m, Pavojus su IBM Watson 2011 m, Atari žaidimai su DeepMind 2013 m, Eik su AlphaGo 2016 m, ir taip toliau. Bent jau plačiajai visuomenei kiekvienas atvejis abstraktų skaičiavimo progreso kelią paverčia žiūrovų sportu. „Skynet“ darosi vis protingesnis. Iš kur mes žinome? Nes pažiūrėkite, kaip daugėja pramogų, kuriomis ji gali mus įtikinamai pranokti.

Tokiomis aplinkybėmis nėra per daug šokiruojantis išgirsti, kad A.I. dabar gali puikiai pasirodyti Pictionary, šaradų įkvėptas žodžių atspėjimo žaidimas, kurio metu vienas žmogus turi nupiešti paveikslėlį, o kiti stengiasi kuo greičiau išsiaiškinti, ką nupiešė.

Štai ką neseniai atliko JK Surėjaus universiteto mokslininkai, sukūrę Pixelor, „konkurencinį eskizą A.I. agentas“. Pateiktas vaizdas „Pixelor“ gali nupiešti eskizą, kurį (ir žmonės, ir mašinos) kaip numatytą objektą atpažįsta taip pat greitai arba net greičiau nei žmogus. konkurentas.

„Mūsų A.I. agentas gali padaryti eskizą nuo nulio“, Yi-Zhe dainaSkaitmeninės tendencijos pasakojo Surėjaus universiteto Regos kalbos ir signalų apdorojimo centro Kompiuterinės vizijos ir mašininio mokymosi skaitytojas. „Duokite jai tokį žodį kaip „veidas“, ir jis žinos, ką nupiešti. … Jis kiekvieną kartą nupieš vis kitą katę, skirtingą šunį, skirtingą veidą. Bet visada žinant, kaip laimėti Pictionary žaidimą.

Pictionary meistro kūrimas

Galimybė sudėtingą realaus pasaulio vaizdą sumažinti į eskizą yra gana įspūdinga. Norint pažvelgti į žmogaus veidą ir pamatyti jį kaip ovalą su dviem mažesniais ovalais akims, linija nosiai ir puslankiu burnai, reikia abstrakcijos lygio. Vaikų gebėjimas tokiu būdu suvokti vaizdą rodo, be kita ko, augantį pažintinį sąvokų supratimą.

Tačiau, kaip ir daugelis A.I. aspektų, dažnai apibendrinami kaip Moraveco paradoksas kad „sunkios problemos yra lengvos, o lengvos – sunkios“, tai yra didelis iššūkis mašinai intelektas – nepaisant to, kad tai pagrindinis, nepastebimas įgūdis daugumai dvejų metų amžiaus vaikai.

Vis dėlto tai nėra neišsprendžiamas iššūkis. 2016 metais, rašėme apie Song darbą naudodami įrankį Sketch – giliai besimokantį neuroninį tinklą, kuris sugebėjo atpažinti rankomis pieštus eskizus ir panaudoti juos ieškant realaus gyvenimo produktų. Tas konkretus tinklas buvo apmokytas naudojant duomenų rinkinį, sudarytą iš maždaug 30 000 eskizų ir nuotraukų palyginimų, leidžiančių jam atpažinti, kaip tikri objektai pateikiami piešimo rankomis. Pixelor daro kažką panašaus, bet taip pat gali sukurti savo piešinius, o ne tik atpažinti kitų žmonių piešinius.

Tačiau to neužtenka laimėti Pictionary. Pictionary yra laiko iššūkių žaidimas, kurio tikslas yra ne tik nupiešti, tarkime, katę, bet ir nupiešti katę kuo mažiau judesių. Tu gali būti didžiausias pasaulio menininkas, bet jei tau prireikia 12 valandų nupiešti tobulą katę, tu esi baisus Pictionary žaidėjas.

Tai reiškė sukurti A.I. kurie galėtų ištirti žmones, kad sužinotų, kokias strategijas jie naudoja, kad gerai žaistų Pictionary. Kaip sakė Song: „Kokias svarbiausias dalis reikia nupiešti, kad kiti žmonės teisėjai galėtų atspėti? Norime, kad mūsų piešinys būtų atspėtas kuo anksčiau.

Norėdami tai padaryti, mokslininkai panaudojo „QuickDraw“ – didžiausią iki šiol turimą žmogaus eskizų duomenų rinkinį. Tada jie sukūrė neuronų rūšiavimo algoritmą, pagal kurį pirmenybė teikiama potėpių tvarkai, kurią menininkas turi padaryti; pateikiant atspėjamą objekto atvaizdavimą kuo mažiau eilučių. Tai reiškia, kad eskizus reikia suskaidyti į potėpius, tada maišyti šių potėpių tvarką ir tikrinti rezultatus, kol bus nustatyta tiksli tvarka, kuria jie turi būti išdėstyti popieriuje.

Pavyzdžiui, menininkas galėtų pradėti piešti katę, nubraižydamas apskritą jos galvos kontūrą. Tačiau apskritimą gali sudaryti daugybė dalykų, net jei žinote, kad jis turėtų reikšti galvą. Tačiau nupieškite dvi smailias ausis arba du ūsų rinkinius ir galimų dalykų, kuriuos galėtumėte piešti, skaičius labai labai greitai sumažėja. Tada ši informacija naudojama eskizavimo agentui instruktuoti.

Song sakė, kad komanda galėtų išleisti visuomenei skirtą versiją Pictionary- žaisti robotą, kad žmonės žaidėjai galėtų patys įveikti eskizinį A.I. meistras. (Kas žino? Žaisdami ekspertą, netgi galite patobulinti savo Pictionary žaidimas.)

Daugiau nei atrodo

Tačiau „Pixelor“ yra daugiau nei tik dar vienas trivialus žaidimų robotas. Kaip kompiuterinė sistema turi ir paviršiaus lygmens sąsają, su kuria sąveikaujame, ir po gaubtu esantį užpakalinį kodą, taip ir kiekvienas svarbus A.I. žaidimo etapai turi paslėptą motyvą. Nebent jie specialiai kuria kompiuterinius žaidimus, tyrimų laboratorijos nepraleidžia daugybės darbo valandų kurdamos žaidimo A.I. agentai tik norėdami įtraukti dar vieną įrašą į didelį sąrašą dalykų, kurių žmonės nebėra patys geriausi adresu. Tikslas visada yra patobulinti kokią nors esminę A.I. problemų sprendimas.

„Pixelor“ atveju paslėptas tikslas yra sukurti mašinas, kurios galėtų geriau suprasti, kas svarbu žmogui konkrečioje scenoje. Kai žiūrime į vaizdą, iš karto galime pasakyti, kokios yra svarbiausios detalės.

Tarkime, kad važiuojate namo iš darbo. Nors pakelėse besidriekiantys medžiai gali būti vaizdingi, o naujo filmo stendas gali būti įdomus, nei vienas, nei kitas nėra toks svarbus, kaip žmogaus, kuris gali arba nesiruošia išeiti priešais, veidas ir kūno kalba tu. Dar nespėjus sąmoningai apdoroti informacijos, jūsų smegenys išskyrė svarbiausias detales. Kaip išmokyti kompiuterį tai padaryti? Na, pasirodo, vienas puikus būdas tai padaryti – pamatyti, kaip žmonės, piešdami eskizą, teikia pirmenybę svarbiausioms atpažįstamoms vaizdo detalėms.

„Nėra žmogaus žinių, įterptų į nuotraukas [vien]“, - sakė Song. „Mes norime žmonių duomenų, kurie gali duoti mums signalus, kaip žmonės supranta objektą.

Kaip minėta, geras Pictionary žaidėjas, kaip ir geras boksininkas, žinos absoliutų minimumą, kurį turi padaryti, kad pasiektų tam tikrą tikslą. Makro prasme tai rūpi Yi-Zhe Song ir jo kolegoms. Tai nėra toks trivialus dalykas, kaip gauti kompiuterį žaisti žaidimą; tai leidžia kompiuteriui suprasti, kas svarbu tam tikrose scenose, ir, tikiuosi, sugebėti geriau apibendrinti.

Kaip ir viskas nuo savarankiškai važiuojančių automobilių kad robotai darbo vietoje tampa vis dažnesni, tai yra būtina išspręsti užduotis.

Darbą aprašantis dokumentas bus pristatytas SIGGRAPH Asia 2020 lapkričio mėn.

Redaktorių rekomendacijos

• Kelionė yra A.I. žaidimų rojus, kuriame taisykles rašo robotai
• Šachmatai. Pavojus. Eik. Kodėl mes naudojame žaidimus kaip AI etaloną?
• A.I. kuria retro vaizdo žaidimus – ir jie stebėtinai geri