Pesquisadores treinaram essa IA para ‘pensar’ como um bebê – eis o que aconteceu

[ad_1]
Em um mundo repleto de visões opostas, vamos chamar a atenção para algo com o qual todos podemos concordar: se european lhe mostrar minha caneta e depois escondê-la nas minhas costas, minha caneta ainda existe – mesmo que você não possa mais vê-la. Todos podemos concordar que ainda existe, e provavelmente tem a mesma forma e cor que tinha antes de passar pelas minhas costas. Isso é apenas bom senso.
Essas leis de senso comum do mundo físico são universalmente compreendidas pelos humanos. Até bebês de dois meses compartilhar isto compreensão. Mas os cientistas ainda estão intrigados com alguns aspectos de como alcançamos esse entendimento elementary. E ainda temos que construir um computador que possa rivalizar com as habilidades de senso comum de uma criança com desenvolvimento típico.
Novo pesquisar por Luis Piloto e colegas da Universidade de Princeton – que estou analisando para um artigo na Nature Human Habits – dá um passo para preencher essa lacuna. Os pesquisadores criaram um sistema de inteligência synthetic (IA) de aprendizado profundo que adquiriu uma compreensão de algumas leis de senso comum do mundo físico.
As descobertas ajudarão a construir melhores modelos de computador que simulam a mente humana, abordando uma tarefa com as mesmas suposições de uma criança.
Comportamento infantil
Normalmente, os modelos de IA começam com uma lousa em branco e são treinados em dados com muitos exemplos diferentes, a partir dos quais o modelo constrói conhecimento. Mas pesquisas em bebês sugerem que não é isso que os bebês fazem. Em vez de construir conhecimento do 0, os bebês começam com alguns princípios expectativas sobre objetos.
Por exemplo, eles esperam que se atenderem a um objeto que está escondido atrás de outro objeto, o primeiro objeto continuará a existir. Esta é uma suposição central que os inicia na direção certa. Seu conhecimento torna-se então mais refinado com o pace e a experiência.
A descoberta emocionante de Piloto e colegas é que um sistema de IA de aprendizado profundo modelado no que os bebês fazem supera um sistema que começa com uma lousa em branco e tenta aprender com base apenas na experiência.
Cubo desliza e bola nas paredes
Os pesquisadores compararam as duas abordagens. Na versão em branco, o modelo de IA recebeu várias animações visuais de objetos. Em alguns exemplos, um cubo deslizaria por uma rampa. Em outros, uma bola quicou em uma parede.
O modelo detectou padrões de várias animações e foi testado em sua capacidade de prever resultados com novas animações visuais de objetos. Esse desempenho foi comparado a um modelo que tinha “expectativas de princípio” incorporadas antes de experimentar qualquer animação visible.
Esses princípios foram baseados nas expectativas que os bebês têm sobre como os objetos se comportam e interagem. Por exemplo, bebês esperam que dois objetos não passem um pelo outro.
Se você mostrar a uma criança um truque de mágica em que você viola essa expectativa, ela poderá detectar a magia. Eles revelam esse conhecimento olhando significativamente por mais pace para eventos com resultados inesperados ou “mágicos”, em comparação com eventos em que os resultados são esperados.
Os bebês também esperam que um objeto não seja capaz de simplesmente piscar para dentro e para fora da existência. Elas pode detectar quando essa expectativa também é violada.
Piloto e colegas descobriram que o modelo de aprendizado profundo que começou com uma lousa em branco fez um bom trabalho, mas o modelo baseado em codificação centrada em objetos inspirado na cognição infantil foi significativamente melhor.
O último modelo poderia prever com mais precisão como um objeto se moveria, foi mais bem-sucedido em aplicar as expectativas a novas animações e aprendeu com um conjunto menor de exemplos (por exemplo, conseguiu isso após o equivalente a 28 horas de vídeo).
Uma compreensão inata?
É claro que aprender com o pace e a experiência é importante, mas não é toda a história. Esta pesquisa de Piloto e colegas está contribuindo para a questão antiga do que pode ser inato nos seres humanos e o que pode ser aprendido.
Além disso, está definindo novos limites para o papel que os dados perceptuais podem desempenhar quando se trata de sistemas artificiais que adquirem conhecimento. E também mostra como estudos sobre bebês podem contribuir para a construção de melhores sistemas de IA que simulam a mente humana.
Artigo de Susan HesposDepartamento de Psicologia da Northwestern College Evanston, Illinois, EUA e Professor de Estudos Infantis no MARCS Institute, Universidade Ocidental de Sydney
Este artigo é republicado de A conversa sob uma licença Ingenious Commons. Leia o artigo unique.
[ad_2]
Fonte da Notícia: thenextweb.com