बच्चों के रूप में मशीनें: एआई अपने कार्यों के परिणामों की भविष्यवाणी करना सीख सकता है?

छोटे बच्चों को अच्छी तरह पता होता है कि अगर आप एक गिलास जूस के साथ लेते हैं तो क्या होगा। लेकिन कोई कार नहीं है। सभी प्रकार के आधुनिक एल्गोरिदम के बावजूद, एक कंप्यूटर अपने कार्यों में से एक या दूसरे के परिणामों की भविष्यवाणी करने में सक्षम नहीं है। बेशक, अगर यह कंप्यूटर विशेष रूप से प्रशिक्षित नहीं है।

एलन इंस्टीट्यूट फॉर आर्टिफिशियल इंटेलिजेंस (एआई 2) के शोधकर्ताओं की एक टीम ने एक कार्यक्रम विकसित किया है जो एआई के एक कमजोर रूप को समझने में मदद करता है "जब एक कार्रवाई की जाती है तो क्या होता है। सॉफ्टवेयर भविष्य की भविष्यवाणी करता है, यह दर्शाता है कि कोई वस्तु कुछ शर्तों के तहत कैसे व्यवहार कर सकती है। यह, वैज्ञानिकों का कहना है, एआई को कम गलतियाँ करने में मदद करेगा। उदाहरण के लिए, एक स्वायत्त कार सड़क पर किसी विशेष स्थिति के विकास के परिणामों का "अनुमान" करने में सक्षम होगी।

Roozbeh Mottaghi और उनके सहयोगियों द्वारा विकसित प्रणाली, कई वस्तुओं की विशेषताओं को प्रदर्शित करती है। वैज्ञानिकों द्वारा बनाया गया सॉफ्टवेयर प्लेटफॉर्म मशीन लर्निंग और 3 डी मॉडलिंग का उपयोग करता है। शोधकर्ताओं ने 10,000 से अधिक छवियों को ज्वालामुखीय दृश्यों में बदल दिया है। इसके लिए, एक विशेष 3 डी इंजन का उपयोग किया गया था।

रूपांतरण के बाद, स्रोत चित्र और उनके वॉल्यूमेट्रिक एनालॉग्स को तंत्रिका नेटवर्क में लोड किया गया था। नतीजतन, कंप्यूटर सिस्टम धीरे-धीरे सरल 3 डी ऑब्जेक्ट्स और इन ऑब्जेक्ट्स के आंदोलनों से सीख रहा था। सिस्टम को "छवि - 3 डी मॉडल" के जोड़े की एक निश्चित संख्या प्राप्त होने के बाद, यह स्वतंत्र रूप से कल्पना करना सीखता है कि तीन-आयामी ऑब्जेक्ट पर क्या बलों को लागू किया जा सकता है, और इन बलों के प्रकट होने के परिणाम क्या हो सकते हैं।

यह कहना नहीं है कि काम बहुत आसानी से हो गया। लेकिन जिन स्थितियों में कंप्यूटर एक त्रि-आयामी वस्तु के व्यवहार की भविष्यवाणी कर सकता है, जब उसके साथ संभोग करना उन स्थितियों की तुलना में अधिक हो जाता है जब मशीन समझ नहीं पाती कि क्या हो सकता है। उदाहरण के लिए, एआई को "समझा" गया, कि यदि स्टेपलर को टेबल के किनारे पर रखा गया था, तो वह गिर जाएगी। सिस्टम ने कॉफी टेबल और सोफे के साथ स्थिति को भी सफलतापूर्वक दिखाया। एअर इंडिया "समझ सकता है" कि अगर कॉफी टेबल को सोफे की ओर ले जाया गया, तो मेज निश्चित रूप से सोफे पर आराम करेगी और आगे नहीं बढ़ सकती है।

“हमारा लक्ष्य भौतिक इंजन की गतिशीलता का अध्ययन करना है। प्रोजेक्ट मैनेजर का कहना है, "आपको दृश्य में वस्तुओं के संभावित व्यवहार की भविष्यवाणी करना सीखना चाहिए।"

इस कार्य के परिणाम कई क्षेत्रों के लिए उपयोगी हो सकते हैं। इसलिए, हर जगह से हम परीक्षण और त्रुटि विधि लागू करते हैं। एक रोबोमोबाइल के मामले में, यह बिल्कुल बाहर रखा गया है। कंप्यूटर को स्थिति के संभावित विकास की भविष्यवाणी करनी चाहिए, और इसे बहुत जल्दी करना चाहिए। ऐसी स्थितियों में डेटा का संग्रह और विश्लेषण बहुत महत्वपूर्ण है। यहाँ एक और उदाहरण है। स्टोर में ग्राहक सेवा प्रणाली, भी, अपने कार्यों के परिणामों को समझने के लिए माल को अलमारियों से बाहर नहीं धकेल सकती है। यह स्टोर के मालिक को खर्च करेगा और ग्राहकों को डराएगा।



वैज्ञानिक जो काम कर रहे हैं वह प्रोजेक्ट प्लेटो प्रोजेक्ट का हिस्सा है । इसका उद्देश्य रोबोट प्रणाली को व्यवहार में इस परीक्षण के बिना अपने कार्यों के परिणामों को समझने का अवसर देना है। विशेष रूप से, प्रोजेक्ट में उपयोग किए गए एआई के कमजोर रूप के साथ सिस्टम समझ में आता है कि एक पहाड़ से नीचे जाने वाला स्कीयर कैसे चलेगा। वे यह भी समझते हैं कि एक फ़ुटबॉल गेंद जिसे फ़ुटबॉल खिलाड़ी ने अभी-अभी उड़ान भरने के लिए भेजा है, वह कैसे चलेगी। ऐसी घटनाओं और उनके परिणामों, एआई को वास्तविक समय में समझना सीखना चाहिए।

हाल के वर्षों में, कंप्यूटर सिस्टम काफ़ी समझदार है। वे पहले से ही बाद के वर्गीकरण, छवि तत्वों की पहचान और टैगिंग के साथ छवियों का विश्लेषण कर सकते हैं। ब्रेंडन झील ( ब्रेंडन झील के किनारे), न्यूयॉर्क विश्वविद्यालय के एक विशेषज्ञ का मानना ​​है कि आधुनिक दुनिया के लिए एई 2 परियोजना महत्वपूर्ण है। "दृश्य को समझना वस्तुओं को पहचानने की तुलना में बहुत अधिक जटिल है," झील कहते हैं। "जब कोई व्यक्ति किसी दृश्य का एक फ्रेम देखता है, तो वह पूरी कहानी बता सकता है कि क्या हो रहा है या निर्दिष्ट फ़्रेम पर क्या हो सकता है।" आदर्श रूप से, मशीन को ऐसा करने में सक्षम होना चाहिए।

बेशक, अब तक, आदमी ने उपरोक्त उदाहरण में मशीन की क्षमताओं को पार कर लिया है। लेकिन वैज्ञानिकों का कार्य कंप्यूटर सिस्टम को उनके कार्यों के संभावित परिणामों का विश्लेषण करने के लिए सिखाना है। इस अर्थ में कंप्यूटर मनुष्य के बराबर हो जाते हैं या उससे आगे निकल जाते हैं, जबकि कोई सवाल ही नहीं है। लेकिन वर्तमान स्तर पर, यह कई क्षेत्रों के लिए बहुत उपयोगी हो सकता है।

परियोजना में भाग लेने वाले वैज्ञानिक अपने काम के परिणामों को नहीं छिपाते हैं। स्वतंत्र अध्ययन के लिए इस लिंक पर स्रोत कोड, डेटा सेट और बाकी सब कुछ प्राप्त किया जा सकता है ।

Source: https://habr.com/ru/post/hi397079/