Prisimeni nuostabų, atskleidžiantį jausmą, kai pirmą kartą atradai priežasties ir pasekmės egzistavimą? Tai gudrus klausimas. Vaikai pradeda mokytis priežastingumo principo jau nuo aštuonių mėnesių, padėdami jiems daryti elementarias išvadas apie juos supantį pasaulį. Tačiau daugelis iš mūsų mažai ką prisimena iki trejų ar ketverių metų, todėl svarbi pamoka „kodėl“ yra tai, ką mes tiesiog laikome savaime suprantamu dalyku.
Tai ne tik svarbi pamoka, kurią žmonės turi išmokti, bet ir ta, kurią šiandieninės dirbtinio intelekto sistemos yra gana prastos. Nors šiuolaikinis A.I. yra pajėgus mušdamas žmones į Go ir vairuodamas automobilius judriose gatvėse, tai nebūtinai palyginama su tuo, kokį intelektą žmonės gali panaudoti, kad įvaldytų šiuos gebėjimus. Taip yra todėl, kad žmonės – net ir maži kūdikiai – turi gebėjimą apibendrinti, taikydami žinias iš vienos srities į kitą. Dėl A.I. išnaudoti savo potencialą, tai yra kažkas, ką ji taip pat turi sugebėti padaryti.
Rekomenduojami vaizdo įrašai
„Pavyzdžiui, jei robotas išmoko statyti bokštą naudojant tam tikrus blokus, jis gali norėti šiuos įgūdžius perkelti statant tiltą ar net į namą panašią konstrukciją. Osama Ahmedas, ETH Ciuricho magistrantė Šveicarijoje, pasakojo „Digital Trends“. „Vienas iš būdų tai pasiekti gali būti priežastinių ryšių tarp skirtingų aplinkos kintamųjų mokymasis. Arba įsivaizduokite, kad Robotas TriFinger naudojamas Priežastinis pasaulis staiga netenka vieno piršto dėl aparatinės įrangos gedimo. Kaip jis vis tiek gali sukurti tikslo formą tik dviem pirštais?
CausalWorld vaizdo įrašas
Virtualus treniruočių pasaulis mašinoms
CausalWorld yra kas Frederikas Träuble, daktaro laipsnis. Makso Plancko intelektualių sistemų instituto Vokietijoje studentas vadinamas „manipuliavimo etalonu“. Tai žingsnis link tobulinti mokslinius tyrimus, kad robotai galėtų geriau apibendrinti įvairius aplinkos savybių pokyčius, tokius kaip masės ar formos objektų. Pavyzdžiui, jei robotas išmoksta paimti tam tikrą objektą, galime pagrįstai tikėtis, kad jis tai padarys gali perkelti šį gebėjimą į sunkesnius objektus – tol, kol supranta tinkamą priežastinį ryšį santykiai.
Tokia virtuali treniruočių aplinka, apie kurią esame įpratę girdėti mokslinės fantastikos filmuose, yra, tarkime, Matrica: virtualus pasaulis, kuriame taisyklės negalioja. „CausalWorld“, kuriame mokslininkai gali sistemingai mokyti ir įvertinti savo metodus robotų aplinkoje, yra priešingai. Viskas priklauso nuo taisyklių išmokimo ir jų taikymo. Robotų agentams gali būti duotos užduotys, panašios į tas, kurias atlieka vaikai, žaisdami su kaladėlėmis, dėdami, stumdami ir kitus žaidimus dėl priežasties ir pasekmės. Mokslininkai gali įsikišti, kad išbandytų roboto apibendrinimo gebėjimus, kai jis mokosi. Iš esmės tai yra testavimo aplinka, kuri padės įvertinti, kaip A.I. agentai gali apibendrinti.
„Dauguma šiuolaikinių A.I. yra pagrįstas statistiniu mokymusi, kurio tikslas – statistinės informacijos, pavyzdžiui, koreliacijų, ištraukimas iš duomenų. Bernhardas Schölkopfas, Maxo Plancko instituto direktorius pasakojo „Digital Trends“. „Tai puiku, nes leidžia numatyti vieną kiekį iš kitų, bet tik tol, kol niekas nesikeičia. Kai įsikišate į sistemą, visi statymai atšaukiami. Norėdami tokiais atvejais daryti prognozes, turime peržengti statistinį mokymąsi ir pereiti prie priežastingumo. Galiausiai, jei būsimasis A.I. yra mąstymas „veikimas įsivaizduojamose erdvėse“, tada intervencijos yra svarbiausios, todėl reikia atsižvelgti į priežastinį ryšį.
Redaktorių rekomendacijos
- Apsaugos robotai gali ateiti į mokyklą šalia jūsų
- „Amazon“ diegia AI, kad apibendrintų produktų apžvalgas
- „Amazon“ planuoja „vieną kartą kartoti“ paieškos pakeitimus, atskleidžiama darbo skelbime
- „Google Smart Canvas“ užtikrina gilesnę programų integraciją
- Naujausias Nvidia A.I. rezultatai įrodo, kad ARM yra pasiruošęs duomenų centrui
Atnaujinkite savo gyvenimo būdąSkaitmeninės tendencijos padeda skaitytojams stebėti sparčiai besivystantį technologijų pasaulį – pateikiamos visos naujausios naujienos, smagios produktų apžvalgos, įžvalgūs vedamieji leidiniai ir unikalūs žvilgsniai.
