Les machines comme des enfants: l'IA peut-elle apprendre à prédire les conséquences de ses actions?

Les jeunes enfants sont bien conscients de ce qui se passera si vous tournez un verre avec du jus. Mais il n'y a pas de voiture. Malgré toute la variété des algorithmes modernes, un ordinateur n'est pas en mesure de prédire les conséquences de l'une ou l'autre de ses actions. Bien sûr, si cet ordinateur n'est pas spécifiquement formé.

Une équipe de chercheurs de l'Institut Allen pour l'intelligence artificielle (AI2) a développé un programme qui aide une forme faible d'IA à «comprendre» ce qui se passe lorsqu'une action est effectuée. Le logiciel «prédit» l'avenir, montrant comment un objet peut se comporter dans certaines conditions. Les scientifiques disent que cela aidera l'IA à faire moins d'erreurs. Par exemple, une voiture autonome pourra "prédire" les conséquences du développement d'une situation particulière sur la route.

Le système, développé par Roozbeh Mottaghi et ses collègues, démontre les caractéristiques d'un certain nombre d'objets. La plate-forme logicielle créée par les scientifiques utilise l'apprentissage automatique et la modélisation 3D. Les chercheurs ont converti plus de 10 000 images en scènes volumineuses. Pour cela, un moteur 3D spécialisé a été utilisé.

Après la conversion, les images sources et leurs analogues volumétriques ont été chargés dans des réseaux de neurones. En conséquence, le système informatique a progressivement appris des objets 3D simples et des mouvements de ces objets. Après avoir reçu un certain nombre de paires de «image - modèle 3D», le système a appris à imaginer indépendamment quelles forces peuvent être appliquées à un objet tridimensionnel et quelles peuvent être les conséquences de la manifestation de ces forces.

Cela ne veut pas dire que le travail s'est très bien déroulé. Mais les situations dans lesquelles l'ordinateur pouvait prédire le comportement d'un objet tridimensionnel en interagissant avec lui se sont avérées être plus que les situations où la machine ne comprenait pas ce qui pouvait arriver. AI a «compris», par exemple, que si l'agrafeuse posée sur le bord de la table était poussée, elle tomberait. Le système a également montré avec succès la situation avec une table basse et un canapé. AI pouvait «comprendre» que si la table basse était déplacée vers le canapé, alors la table reposerait certainement sur le canapé et ne pourrait pas avancer.

«Notre objectif est d'étudier la dynamique du moteur physique. Vous devez apprendre à prédire le comportement possible des objets dans la scène », explique le chef de projet.

Les résultats de ce travail peuvent être utiles pour de nombreux domaines. Donc, loin de partout, nous appliquons la méthode des essais et erreurs. Dans le cas d'un robot, cela est absolument exclu. L'ordinateur doit prévoir l'évolution possible de la situation et le faire très rapidement. La collecte et l'analyse de données dans de telles situations sont très importantes. Voici un autre exemple. Le système de service à la clientèle dans le magasin ne peut pas non plus pousser les marchandises hors des étagères afin de comprendre les conséquences de leurs actions. Cela coûtera au propriétaire du magasin et fera fuir les clients.



Le travail que font les scientifiques fait partie du projet Project Plato . Son objectif est de donner aux systèmes robotiques la possibilité de comprendre les conséquences de leurs actions sans les tester en pratique. En particulier, les systèmes avec une forme faible d'IA utilisés dans le projet comprennent comment un skieur qui descend une montagne se déplacera. Ils comprennent également comment se déplacera un ballon de football qu'un joueur de football vient d'envoyer pour voler. De tels événements et leurs conséquences, l'IA doit apprendre à comprendre en temps réel.

Au cours des dernières années, les systèmes informatiques sont sensiblement plus sages. Ils peuvent déjà analyser les images avec une catégorisation ultérieure, l'identification des éléments d'image et le marquage. Brendan Lake ( par Brendan Lac), spécialiste de l'Université de New York, estime que le projet Ai2 est important pour le monde moderne. «Comprendre la scène est beaucoup plus compliqué que reconnaître des objets», explique Lake. «Lorsqu'une personne voit une image d'une scène, elle est capable de raconter toute l'histoire de ce qui se passe ou de ce qui peut arriver sur l'image spécifiée. Idéalement, la machine devrait pouvoir faire de même.

Bien sûr, jusqu'à présent, l'homme a largement dépassé les capacités de la machine dans l'exemple ci-dessus. Mais la tâche des scientifiques est d'enseigner aux systèmes informatiques à analyser les conséquences possibles de leurs actions. Que les ordinateurs dans ce sens deviennent égaux à l'homme ou le dépassent, alors qu'il n'y a aucun doute. Mais au stade actuel, cela peut être très utile pour un certain nombre de domaines.

Les scientifiques participant au projet ne cachent pas les résultats de leurs travaux. Le code source, l'ensemble de données et tout le reste peuvent être obtenus sur ce lien pour une étude indépendante.

Source: https://habr.com/ru/post/fr397079/