(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?)

Umělá inteligence odhalila podobnosti mezi zcela různými profesemi

Klonování psího miláčka: jak a proč?

Ve střední Evropě máme prvního naklonovaného psa. Aristocrat II Korec Corso se stal mediální hvězdou …

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *