Ca și noile abilități Alexa de pe Amazon Echo, în ultimele două decenii s-a văzut A.I. dobândiți treptat capacitatea de a îmbunătăți umanitatea la tot mai multe dintre jocurile noastre iubite: Șah cu Deep Blue în 1997, Primejdie cu IBM Watson în 2011, Jocuri Atari cu DeepMind în 2013, Merge cu AlphaGo în 2016, și așa mai departe. Pentru publicul larg, cel puțin, fiecare instanță transformă calea abstractă a progresului computațional într-un sport de spectator. Skynet devine mai inteligent. De unde stim? Pentru că uită-te la numărul tot mai mare de distracții la care ne poate învinge în mod convingător.
Cuprins
- Construirea unui maestru Pictionary
- Mai mult decât vede ochiul
Cu acest fundal, nu este prea șocant să auzi că A.I. poate acum să performeze convingător de bine la Pictionar, jocul de ghicire a cuvintelor inspirat de șarade, care necesită ca o persoană să deseneze o imagine și alții să încerce să-și dea seama ce a schițat cât mai repede posibil.
Videoclipuri recomandate
Aceasta este ceea ce cercetătorii de la Universitatea din Surrey din Marea Britanie au realizat recent cu crearea Pixelor, o „schiță competitivă A.I. agent." Dat un vizual concept, Pixelor este capabil să deseneze o schiță care este recunoscută (atât de oameni, cât și de mașini) ca subiectul său la fel de repede - sau chiar mai rapid - decât un om. concurent.
Legate de
- Cum ar putea Nintendo să folosească A.I. pentru a aduce jocurile 4K pe Switch Pro
- Directorul Yakuza crede că evoluția PS5 se va concentra pe I.A. și învățarea automată
„A.I. agentul este capabil să reda o schiță de la zero,” Cântecul Yi-Zhe, cititor de Computer Vision and Machine Learning la Centrul pentru Vision Speech and Signal Processing de la Universitatea din Surrey, a declarat pentru Digital Trends. „Dă-i un cuvânt precum „față” și va ști ce să deseneze. … Va desena o pisică diferită, un câine diferit, o față diferită, de fiecare dată. Dar întotdeauna cu cunoștințele despre cum să câștigi jocul Pictionary.”
Construirea unui maestru Pictionary
A fi capabil să reducă o imagine complexă din lumea reală într-o schiță este, în sine, destul de impresionant. Este nevoie de un nivel de abstractizare pentru a privi o față umană și a-l vedea ca un oval cu două ovale mai mici pentru ochi, o linie pentru un nas și un semicerc pentru o gură. La copii, capacitatea de a percepe o imagine în acest fel arată, printre altele, o înțelegere cognitivă în plină dezvoltare a conceptelor.
Cu toate acestea, ca și în cazul multor aspecte ale I.A., adesea rezumate ca Paradoxul lui Moravec că „problemele grele sunt ușoare și problemele ușoare sunt dificile”, este o provocare semnificativă pentru mașină inteligență – în ciuda faptului că este o abilitate de bază, neremarcabilă pentru majoritatea copiilor de doi ani copii.
Totuși, nu este o provocare de nerezolvat. În 2016, am scris despre munca lui Song cu un instrument numit Sketch, o rețea neuronală de învățare profundă care a fost capabilă să recunoască schițe desenate manual și să le folosească pentru a căuta produse din viața reală. Această rețea specială a fost antrenată folosind un set de date format din aproximativ 30.000 de comparații schiță-fotografie, permițându-i să poată recunoaște modul în care obiectele reale sunt prezentate în desenul manual. Pixelor face ceva similar, dar își poate genera propriile desene, mai degrabă decât să le recunoască pe ale altora.
Dar asta nu este suficient pentru a câștiga Pictionar. Pictionar este un joc provocat de timp în care scopul nu este doar să desenezi, să zicem, o pisică, ci să desenezi o pisică în cât mai puține lovituri. Ai putea fi cel mai mare artist din lume, dar dacă îți ia 12 ore pentru a desena o pisică perfectă, ești un teribil. Pictionar jucător.
Aceasta a însemnat construirea unui A.I. care ar putea studia oamenii pentru a vedea ce strategii folosesc pentru a juca bine Pictionary. După cum a spus Song, „Care sunt cele mai importante bucăți de desenat pentru a permite altor judecători umani să poată ghici? Vrem ca desenul nostru să fie ghicit cât mai curând posibil.”
Pentru a face acest lucru, cercetătorii au luat QuickDraw, cel mai mare set de date de schiță umană disponibil până în prezent. Apoi au construit un algoritm de sortare neuronală care prioritizează ordinea loviturilor pe care trebuie să le facă un artist; oferind o reprezentare ghicibilă a unui obiect în cât mai puține linii posibil. Aceasta înseamnă împărțirea schițelor în linii, apoi amestecarea ordinii acestor linii și testarea rezultatelor până când stabilesc ordinea precisă în care trebuie să fie așezate pe hârtie.
De exemplu, un artist ar putea începe să deseneze o pisică schițând un contur circular pentru capul acesteia. Dar un cerc ar putea fi orice număr de lucruri, chiar dacă știi că ar trebui să reprezinte un cap. Desenați, totuși, două urechi ascuțite sau două seturi de mustăți, iar numărul de lucruri potențiale pe care le puteți desena se reduce foarte, foarte repede. Aceste informații sunt apoi folosite pentru a instrui agentul de schiță.
Song a spus că echipa ar putea lansa o versiune publică a acestui lucru Pictionar-botul de joc, astfel încât jucătorii umani să poată avea propria lor mișcare în a învinge o schiță A.I. maestru. (Cine ştie? Jucând un expert, chiar ar putea ajuta la îmbunătățirea propriei tale Pictionar joc.)
Mai mult decât vede ochiul
Cu toate acestea, Pixelor are mai mult decât un alt robot banal de joc. Așa cum un sistem informatic are atât o interfață la nivel de suprafață cu care interacționăm, cât și un cod de backend sub capotă, la fel și toate I.A. majore. jalonul jocului are un motiv ascuns. Cu excepția cazului în care fac în mod explicit jocuri pe calculator, laboratoarele de cercetare nu petrec nenumărate ore-persoană construind jocul A.I. agenți doar pentru a adăuga o altă intrare pe marea listă a lucrurilor pe care oamenii nu mai sunt cei mai buni la. Scopul este întotdeauna de a avansa o parte fundamentală a I.A. rezolvarea problemelor.
În cazul Pixelor, obiectivul ascuns este de a face mașini care sunt mai capabile să-și dea seama ce este important pentru un om într-o anumită scenă. Când ne uităm la o imagine, suntem imediat capabili să spunem care sunt cele mai importante detalii.
Să presupunem că conduci acasă de la serviciu. În timp ce copacii de pe marginea drumului pot fi pitorești, iar panoul publicitar pentru un nou film ar putea fi interesant, nici unul nu este la fel de important ca chipul și limbajul corpului persoanei care poate sau nu să fie pe cale să iasă în fața tu. Înainte să fi procesat informația în mod conștient, creierul tău a evidențiat cele mai importante detalii. Cum înveți un computer să poată face asta? Ei bine, se dovedește că o modalitate excelentă de a face acest lucru este să vedeți cum oamenii acordă prioritate detaliilor importante recunoscute dintr-o imagine atunci când o schițează.
„Nu există cunoștințe umane încorporate în mod inerent în fotografii [singur]”, a spus Song. „Ceea ce dorim sunt date umane care ne pot oferi semnale despre modul în care oamenii înțeleg un obiect.”
După cum am menționat, un bun Pictionar jucătorul, ca un bun boxer, va ști minimumul absolut pe care trebuie să-l facă pentru a atinge un anumit obiectiv. Acest lucru, într-un sens macro, este ceea ce le pasă lui Yi-Zhe Song și colegilor săi. Nu este ceva la fel de banal ca să faci un computer pentru a juca un joc; înseamnă ca un computer să înțeleagă ce este important în anumite scene - și, sperăm, să poată generaliza mai bine.
Ca totul de la mașini cu conducere autonomă roboților la locul de muncă devin din ce în ce mai obișnuiți, aceasta este o sarcină esențială de rezolvat.
O lucrare care descrie activitatea va fi prezentată la SIGGRAPH Asia 2020 în noiembrie.
Recomandările editorilor
- Voyage este un A.I. paradisul jocurilor unde roboții scriu regulile
- Şah. Primejdie. Merge. De ce folosim jocurile ca reper pentru I.A.?
- Un A.I. proiectează jocuri video retro - și sunt surprinzător de bune
