Šis tēlaini spēlējošais robots ir milzīgs pavērsiens A.I.

Tāpat kā jaunās Alexa Skills jūsu Amazon Echo, pēdējo pāris gadu desmitu laikā A.I. pakāpeniski iegūstiet spēju uzlabot cilvēcību arvien vairāk mūsu mīļotajās spēlēs: Šahs ar Deep Blue 1997. gadā, Apdraudējums ar IBM Watson 2011. gadā, Atari spēles ar DeepMind 2013. gadā, Aiziet ar AlphaGo 2016. gadā, un tā tālāk. Vismaz plašai sabiedrībai katrs gadījums pārvērš abstrakto skaitļošanas progresa ceļu par skatītāju sportu. Skynet kļūst gudrāks. Kā mēs to zinām? Jo pārbaudiet pieaugošo izklaidi, kurās tas mūs var pārliecinoši pārspēt.

Ņemot vērā šo fonu, nav pārāk šokējoši dzirdēt, ka A.I. tagad var pārliecinoši labi darboties Gleznains, šarādes iedvesmota vārdu minēšanas spēle, kurā vienam cilvēkam ir jāuzzīmē attēls, bet citiem ir jāmēģina pēc iespējas ātrāk izdomāt uzskicēto.

To nesen veica pētnieki no Apvienotās Karalistes Surejas universitātes, izveidojot Pixelor — “konkurētspējīgu skiču A.I. aģents." Dots vizuāls koncepcija, Pixelor spēj uzzīmēt skici, kas ir atpazīstama (gan cilvēkiem, gan mašīnām) kā paredzētajam objektam tikpat ātri vai pat ātrāk nekā cilvēks. konkurents.

“Mūsu A.I. aģents spēj atveidot skici no nulles," Yi-Zhe dziesma, Datorredzes un mašīnmācīšanās lasītājs Sarejas Universitātes Redzes runas un signālu apstrādes centrā, pastāstīja Digital Trends. “Piešķiriet tai vārdu, piemēram, “seja”, un tā zinās, ko uzzīmēt. … Tas katru reizi uzzīmēs citu kaķi, citu suni, citu seju. Bet vienmēr ar zināšanām par to, kā uzvarēt Pictionary spēlē.

Pictionary meistara veidošana

Spēja reducēt sarežģītu reālās pasaules attēlu skicē pati par sevi ir diezgan iespaidīga. Ir nepieciešams abstrakcijas līmenis, lai aplūkotu cilvēka seju un redzētu to kā ovālu ar diviem mazākiem ovāliem acīm, līniju degunam un pusloku mutei. Bērniem spēja šādā veidā uztvert attēlu cita starpā liecina par plaukstošu kognitīvo jēdzienu izpratni.

Tomēr, tāpat kā ar daudziem A.I. aspektiem, kas bieži tiek apkopoti kā Moraveka paradokss ka “grūtās problēmas ir vienkāršas un vieglās problēmas ir smagas”, tas ir nozīmīgs izaicinājums mašīnai intelekts — neskatoties uz to, ka tā ir pamata, neievērojama prasme lielākajai daļai divus gadus vecu bērnu bērniem.

Tomēr tas nav neatrisināms izaicinājums. 2016. gadā, mēs rakstījām par Song darbu ar rīku Sketch — dziļi apmācāmu neironu tīklu, kas spēja atpazīt ar roku zīmētas skices un izmantot tās, lai meklētu reālus produktus. Šis konkrētais tīkls tika apmācīts, izmantojot datu kopu, kas sastāvēja no aptuveni 30 000 skiču un fotoattēlu salīdzinājumiem, ļaujot tam atpazīt veidu, kā reāli objekti tiek parādīti roku zīmējumā. Pixelor dara kaut ko līdzīgu, taču var arī ģenerēt savus zīmējumus, nevis tikai atpazīt citu cilvēku zīmējumus.

Bet ar to nepietiek, lai uzvarētu Gleznains. Gleznains ir laika izaicinājuma spēle, kuras mērķis ir ne tikai uzzīmēt, teiksim, kaķi, bet arī uzzīmēt kaķi ar pēc iespējas mazāku sitienu skaitu. Jūs varētu būt pasaules izcilākais mākslinieks, bet, ja jums ir vajadzīgas 12 stundas, lai uzzīmētu perfektu kaķi, jūs esat briesmīgs Gleznains spēlētājs.

Tas nozīmēja izveidot A.I. kas varētu pētīt cilvēkus, lai noskaidrotu, kuras stratēģijas viņi izmanto, lai labi spēlētu Pictionary. Kā teica Song: “Kādi ir vissvarīgākie fragmenti, kas jāuzzīmē, lai citi cilvēku tiesneši varētu uzminēt? Mēs vēlamies, lai mūsu zīmējums tiktu uzminēts pēc iespējas agrāk.

Lai to izdarītu, pētnieki izmantoja QuickDraw, lielāko līdz šim pieejamo cilvēku skiču datu kopu. Pēc tam viņi izveidoja neironu šķirošanas algoritmu, kas piešķir prioritāti māksliniekam veicamo sitienu secībai; sniedzot uzminējamu objekta attēlojumu pēc iespējas mazākās rindās. Tas nozīmē, ka skices ir jāsadala triepienos, pēc tam jāsajauc šo triepienu secība un jāpārbauda rezultāti, līdz tiek noteikta precīza secība, kādā tie ir jāuzliek uz papīra.

Piemēram, mākslinieks varētu sākt zīmēt kaķi, uzskicējot tā galvai apļveida kontūru. Bet aplis var sastāvēt no dažādām lietām, pat ja jūs zināt, ka tam ir jāatspoguļo galva. Tomēr uzzīmējiet divas smailas ausis vai divus ūsu komplektus, un potenciālo lietu skaits, ko jūs varētu uzzīmēt, samazinās ļoti, ļoti ātri. Pēc tam šī informācija tiek izmantota, lai sniegtu norādījumus skicēšanas aģentam.

Song teica, ka komanda varētu izlaist sabiedrībai paredzētu versiju Gleznains- spēlējot robotu, lai spēlētāji varētu paši pieveikt skicēšanas A.I. meistars. (Kas zina? Spēlējot ekspertu, jūs pat varētu uzlabot savu Gleznains spēle.)

Vairāk nekā šķiet

Tomēr Pixelor ir vairāk nekā tikai vēl viens triviāls spēļu robots. Tāpat kā datorsistēmai ir gan virsmas līmeņa saskarne, ar kuru mēs mijiedarbojamies, gan zem pārsega esošais aizmugures kods, tāpat arī katra galvenā A.I. spēles pavērsieniem ir slēpts motīvs. Pētniecības laboratorijas netērē neskaitāmas stundas, lai izveidotu datorspēles, ja vien viņi negatavo datorspēles. spēļu A.I. aģenti, lai pievienotu vēl vienu ierakstu lielajam to lietu sarakstam, kuras cilvēki vairs nav labākās plkst. Mērķis vienmēr ir veicināt kādu A.I būtisku daļu. problēmu risināšana.

Pixelor gadījumā slēptais mērķis ir izveidot mašīnas, kas spēj labāk izdomāt, kas konkrētajā ainā ir svarīgs cilvēkam. Kad mēs skatāmies uz attēlu, mēs uzreiz varam pateikt, kuras ir vissvarīgākās detaļas.

Pieņemsim, ka jūs braucat mājās no darba. Lai gan koki, kas rindojas ceļa malās, var būt gleznaini un jaunas filmas stends varētu būt interesants, ne viens, ne otrs nav tik svarīgs kā tās personas sejas un ķermeņa valoda, kura, iespējams, gatavojas iziet priekšā tu. Pirms jūs pat esat apzināti apstrādājis informāciju, jūsu smadzenes ir izcēlušas vissvarīgākās detaļas. Kā iemācīt datoram to darīt? Izrādās, ka viens lielisks veids, kā to izdarīt, ir redzēt, kā cilvēki, skicējot attēlu, piešķir prioritāti attēla svarīgākajām atpazīstamajām detaļām.

"Fotogrāfijās [tikai] nav ietvertas cilvēka zināšanas," sacīja Song. "Mēs vēlamies cilvēku datus, kas var dot mums signālus par to, kā cilvēki saprot objektu."

Kā minēts, labi Gleznains spēlētājs, tāpat kā labs bokseris, zinās absolūto minimumu, kas viņiem jādara, lai sasniegtu noteiktu mērķi. Makro nozīmē tas ir tas, par ko rūp Yi-Zhe Song un viņa kolēģi. Tas nav nekas tik triviāls, kā iegūt datoru, lai spēlētu spēli; tas liek datoram saprast, kas ir svarīgs noteiktās ainās, un, cerams, spēs labāk vispārināt.

Kā viss no pašbraucošās automašīnas roboti darba vietā kļūst arvien izplatītāki, tas ir būtisks uzdevums, kas jāatrisina.

Papīrs, kurā aprakstīts darbs, tiks prezentēts SIGGRAPH Asia 2020 novembrī.

Redaktoru ieteikumi

• Voyage ir A.I. spēļu paradīze, kur roboti raksta noteikumus
• Šahs. Apdraudējums. Aiziet. Kāpēc mēs izmantojam spēles kā AI etalonu?
• A.I. izstrādā retro videospēles — un tās ir pārsteidzoši labas