Помните удивительное чувство откровения, когда вы впервые открыли существование причины и следствия? Это вопрос с подвохом. Дети начинают изучать принцип причинности уже с восьми месяцев, что помогает им делать элементарные выводы об окружающем мире. Но большинство из нас мало что помнит до трех-четырех лет, поэтому важный урок «почему» мы просто принимаем как должное.
Это не только важный урок, который должны усвоить люди, но и тот, который сегодняшние системы искусственного интеллекта чертовски плохо усваивают. В то время как современный ИИ. способен на избиение игроков-людей в го и вождение автомобилей по оживленным улицам, это не обязательно сопоставимо с тем типом интеллекта, который люди могут использовать для овладения этими способностями. Это потому, что люди — даже маленькие дети — обладают способностью обобщать, применяя знания из одной области в другую. Для А.И. реализовать свой потенциал, это что-то, что он также должен уметь делать.
Рекомендуемые видео
«Например, если робот научился строить башню из блоков, он может захотеть применить эти навыки для строительства моста или даже конструкции, похожей на дом»,
Оссама Ахмед, студент магистратуры ETH Zurich в Швейцарии, рассказал Digital Trends. «Одним из способов добиться этого может быть изучение причинно-следственных связей между различными переменными окружающей среды. Или представьте, что Робот TriFinger используется в Причинно-мировой внезапно теряет один палец из-за аппаратной неисправности. Как он может построить форму цели, используя всего лишь два пальца?»Видео CausalWorld
Виртуальный мир обучения машин
Причинный мир – это то, что Фредерик Трёбле, доктор философии студент Института интеллектуальных систем Макса Планка в Германии, называется «эталоном манипулирования». Это шаг навстречу продвижение исследований, чтобы роботы-агенты могли лучше обобщать различные изменения в свойствах окружающей среды, таких как масса или форма объекты. Например, если робот научится брать в руки определенный объект, мы можем разумно ожидать, что он может перенести эту способность на более тяжелые объекты — при условии, что он понимает правильную причинную связь. отношение.
Виртуальная тренировочная среда, о которой мы привыкли слышать в научно-фантастических фильмах, — это, скажем, Матрица: виртуальный мир, в котором правила не действуют. В CausalWorld, где исследователи могут систематически обучать и оценивать свои методы в роботизированной среде, все наоборот. Все дело в изучении правил и их применении. Роботам-агентам можно давать задания, аналогичные тем, в которых участвуют дети, играя с кубиками: складывая, толкая и другие причинно-следственные игры. Исследователи могут вмешаться, чтобы проверить способности робота к обобщению по мере его обучения. По сути, это среда тестирования, которая поможет оценить, как ИИ. агенты могут обобщать.
«Большинство современных ИИ. основано на статистическом обучении, которое заключается в извлечении статистической информации — например, корреляций — из данных». Бернхард Шёлкопф, директор Института Макса Планка, рассказал Digital Trends. «Это здорово, потому что позволяет нам предсказывать одну величину на основании других, но только до тех пор, пока ничего не меняется. Когда вы вмешиваетесь в систему, все ставки теряются. Чтобы делать прогнозы в таких случаях, нам нужно выйти за рамки статистического обучения и обратиться к причинно-следственной связи. В конечном счете, если будущий ИИ. Если речь идет о мышлении в смысле «действия в воображаемом пространстве», то вмешательство является ключевым моментом, и, следовательно, необходимо принимать во внимание причинную связь».
Рекомендации редакции
- Роботы-охранники могут прийти в ближайшую к вам школу
- Amazon использует ИИ для обобщения обзоров продуктов
- Amazon планирует изменения в поиске «раз в поколение», говорится в объявлении о работе
- Google Smart Canvas обеспечивает более глубокую интеграцию между приложениями
- Новейший ИИ от Nvidia. Результаты доказывают, что ARM готова к использованию в центрах обработки данных
Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.
