(c) Graphicstock

Umělá inteligence se učí fyzikální zákony

Už malé děti mají nějakou představu o tom, jak by okolní věci měly fungovat. Projeví překvapení při pohledu na kouzelnický trik, kdy předmět třeba neočekávaně zmizí. Naopak není překvapivé, pokud nějaký předmět není vidět, když se např. pohybuje/“zmizí“ za zdí. Totéž se týká zákonů spojených s pohybem, toho, jak věci padají, odrážejí se od sebe, deformují se apod. Jak máme podobná pravidla ale naučit umělou inteligenci?
Na MIT přišli s projektem ADEPT. Umělá inteligence v tomto případě sleduje pohyby objektů na scéně a v každém okamžiku generuje úroveň „překvapení“ – to odpovídá míře nečekanosti zaznamenaného chování, největší překvapení např. odpovídá zmizení předmětu nebo jeho teleportaci. Model se učí na základě toho, že stejné scény odpovídající mírou překvapení označují i lidští pozorovatelé a výsledky se srovnávají.
Modely AI trénované uvedeným postupem již dosáhly toho, co umí malé děti (poznámka PH: a nejspíš i dospělí, v tomto ohledu se naše „intuice“ s věkem už asi dále nevyvíjí?). ADAPT má k dispozici informaci pouze v podobě pixelů, z nich si musí extrahovat vše, co potřebuje pro své modely – tj. musí rozpoznat jednotlivé předměty, jejich tvary, polohu, rychlost apod. Získávaná pravidla mají obecnou povahu, tj. umělá inteligence předpokládá, že pohyb kruhu se řídí stejnými zákony jako pohyb čtverce, a na tomto základě program vytvoří předpověď příští scény. Předpověď a skutečnost se pak porovná a výsledkem je ona míra překvapení. Neuronové sítě, které nepracovaly s příslušnými abstraktními kategoriemi (rychlost, objekt, poloha…) nejsou v chápání fyziky zdaleka tak přesné. (Poznámka PH: Ale není podstatou i hlavní předností neuronové sítě právě to, že si vytvoří své vlastní abstrakce/obecné kategorie, o nich člověk nic neví?)
Model ADAPT došel k obecným fyzikálním zákonům stálosti (předměty se nemohou jen tak objevovat nebo mizet), kontinuity (z pohybu v minulosti vyplývá trajektorie v budoucnosti) a pevnosti (předměty nemohou prostupovat jeden druhým). Model je „kalibrován“ na lidské pozorovatele včetně lidských chyb – podobně jako lidé není příliš překvapen v situacích, které jsou divné, možná i nemožné, ale my si nejsme úplně jisti. Například objekt zmizí za zdí, a na jejím druhém konci se vynoří prakticky okamžitě, takže musel velmi zrychlit. Na rozdíl od situace, kdy by najednou zrychlil až téměř k teleportaci před zdí pod přímým dohledem, situaci za zdí takovou míru překvapení/nemožnosti nepřiřazujeme.
Zdroj: MIT News/TechXplore.com

Poznámka PH: Jak vůbec víme, že příslušné vnímání/chápání těchto situací mají již malé děti – i ve věku, kdy s nimi o tom nelze ještě pořádně promluvit? Stanovuje se to podle toho, jak dlouho si příslušnou novou scénu prohlížejí a předpokládáme, že překvapivé/divné události přitáhnou pozornost na delší dobu. Z toho se pak mimochodem odvozuje, že fyzikální zákony se v mysli vytvářejí/vynořují postupně. Kojenci jsou např. (zřejmě) překvapeni, pokud kamion zajede za zeď a nevyjede, nikoliv (nebo podstatně méně) ale pokud místo něj vyjede např. stejně velká kachna. (Možná viz výše příklad se zrychlením za zdí, trochu to třeba přetrvává i do dospělosti, porušení fyzikálních zákonů je méně divné, pokud k němu nedojde přímo před našima očima?)

Magnony slibují husté ukládání dat do magnetických bublin

Magnony se představě poněkud vzpírají, ale budeme si na ně muset možná zvyknout, protože se …

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Používáme soubory cookies pro přizpůsobení obsahu webu a sledování návštěvnosti. Data o používání webu sdílíme s našimi partnery pro cílení reklamy a analýzu návštěvnosti. Více informací

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close