सेंसरिमोटर इंटरैक्शन के माध्यम से अवधारणाओं को सीखना

सोचा प्रयोग

कल्पना कीजिए कि आप एक अजीब कमरे में जाग गए। यह एक आरामदायक बेडरूम नहीं है जिसमें आप सो गए थे, लेकिन एक शांत नम मंजिल के साथ एक मंद रोशनी वाली सेल। दीवारों पर फटा प्लास्टर। और केवल प्रवेश और निकास माना जाता है कि एक विशाल लोहे का दरवाजा है, जो अंदर से एक ताला के साथ बंद है। दीवार पर थोड़ा ऊंचा एक वर्जित खिड़की है जो कुछ प्रकाश की अनुमति देता है। अगर आपने अपने आस-पास देखा तो आप इस निष्कर्ष पर पहुंचे होंगे कि आप फंस गए हैं, यह पूरी तरह से उचित होगा। यह भयानक लग रहा है।

लेकिन क्या यह आपको संतुष्ट करेगा? शायद नहीं। आप कमरे को थोड़ा और एक्सप्लोर करना चाहेंगे, शायद इसकी विश्वसनीयता को आज़माने के लिए पैडलॉक को खींच सकते हैं। या इन प्लास्टर्ड दीवारों की ताकत का परीक्षण करना चाहते हैं। शायद कुछ कठिन हिट और आप एक छेद बनाते हैं जिसके माध्यम से आप बाहर निकल सकते हैं? या हो सकता है कि खिड़की के इन झरोखों में इतनी बड़ी सलाखें हों कि आप बाहर निकल सकें? पर्यावरण के साथ सहभागिता आपको निष्क्रिय अवलोकन की तुलना में बहुत अधिक जानकारी देती है। दृष्टि एक परिकल्पना हो सकती है, लेकिन इसका परीक्षण करने के लिए पर्यावरण के साथ वास्तविक बातचीत की आवश्यकता होती है।

अवधारणाओं की अवधारणा

सामग्री और निष्कर्ष अवधारणाएं हैं। कुत्ता भी एक अवधारणा है। साथ ही चल रहा है , वन , सौंदर्य , हरा या मृत्यु । अवधारणाएं अमूर्तताएं हैं जिन्हें हम दुनिया के साथ रोजमर्रा की बातचीत से अलग करते हैं। वे ज्ञान के पुन: प्रयोज्य इमारत ब्लॉकों का निर्माण करते हैं जिन्हें लोगों को दुनिया को समझने की आवश्यकता है।

जब हमें किसी चीज़ की वैचारिक समझ होती है, तो इसका मतलब है कि हमें इस चीज़ के साथ कुछ अनुभव है, हमने किसी तरह इसमें महारत हासिल की। सामग्री के मामले में, इस अनुभव का मतलब है कि हम दुनिया में ऐसे कंटेनर ऑब्जेक्ट्स की पहचान कर सकते हैं जिनमें कुछ हो सकता है, उन्हें "नॉन-कंटेनर" से अलग करें, कुछ चीजों को अंदर रखें, उन्हें वापस लें, और अनुमान लगाएं कि क्या होगा, अगर हम किसी तरह उनके साथ बातचीत करेंगे। हम यहां तक ​​कि नई चीजों को देख सकते हैं और समझ सकते हैं कि क्या वे संभावित रूप से अपने आप में कुछ कर सकते हैं या इसके विपरीत - क्या उन्हें किसी अन्य विषय में संलग्न किया जा सकता है।

एआई में वैचारिक समझ के मुख्य दृष्टिकोण, जिसमें इमेजनेट जैसे डेटासेट पर प्रशिक्षित गहन शिक्षण प्रणालियां शामिल हैं, जाहिर तौर पर इनमें से कुछ क्षमताएं हैं, लेकिन उनमें गहन समझ की कमी है - जो अनुभव बातचीत से आता है। एक छवि या यहां तक ​​कि वीडियो पर विचार करके, ये दृष्टिकोण यह निर्धारित करने में सक्षम हो सकते हैं कि इस पर एक विशिष्ट प्रकार का "कंटेनर" है, कहते हैं, एक कप, एक घर या एक बोतल, और यह भी निर्धारित करने के लिए कि यह ऑब्जेक्ट छवि में कहाँ स्थित है। लेकिन वे लगभग निश्चित रूप से विफल हो जाएंगे जब वे इस तरह के ऑब्जेक्ट के अस्पष्टीकृत प्रकार के पार आते हैं। अपने आप को कहीं न कहीं रखने का अनुरोध केवल इस तरह की प्रणाली में पूरी तरह से गलतफहमी होगी, क्योंकि यह एक कंटेनर ऑब्जेक्ट की अवधारणा को दृश्य संकेतों की एक सरणी के साथ सहसंबंधित करता है, लेकिन किसी चीज़ के अंदर सामग्री की अवधि की सक्रिय समझ नहीं है।

सेंसरिमोटर अनुभव से अवधारणा

मानव समझ में सेंसरिमोटर अभ्यावेदन की भूमिका पर जोर देने वाले सबसे पहले में से एक हेनरी पोनकारे थे। अपनी पुस्तक साइंस एंड हाइपोथिसिस में, उन्होंने तर्क दिया कि एक मोबाइल कभी भी तीन आयामी स्थान की अवधारणा में महारत हासिल नहीं कर सकता है। बहुत पहले नहीं, कई संज्ञानात्मक वैज्ञानिकों ने सुझाव दिया कि वैचारिक प्रतिनिधित्व धारणा और क्रिया के एकीकरण से उत्पन्न होता है। उदाहरण के लिए, O'Regan और Noë सेंसरिमोटर अनुभव को "एक नियम संरचना के रूप में परिभाषित करते हैं जो विभिन्न मोटर क्रियाओं द्वारा उत्पन्न संवेदी परिवर्तनों को परिभाषित करता है," और निष्क्रिय अवलोकन "दुनिया की खोज का एक तरीका जो सेंसरिमोटर अनुभव के ज्ञान पर निर्भर करता है।" Noë कहते हैं कि "अवधारणाएँ एक तरह का दृष्टिकोण है जो प्रबंधन के आसपास है।"

इस तथ्य के बावजूद कि संज्ञानात्मक समुदाय के भीतर सेंसरिमोटर अनुभव के महत्व की सराहना की गई थी, इन विचारों ने कुछ विशिष्ट कम्प्यूटेशनल मॉडल का नेतृत्व किया जो अवधारणाओं के निर्माण में अपनी भूमिका का पता लगाते हैं। हमने AAAI-18 में प्रस्तुत किए गए लेख में , हमने एक कम्प्यूटेशनल मॉडल दिखाया जो पर्यावरण के साथ बातचीत के माध्यम से अवधारणाओं की खोज करता है।

हमने क्या किया है?

हमने वैचारिक समझ बनाने वाली दो मुख्य क्षमताओं को महसूस करने और उनका अध्ययन करने की योजना बनाई: एक अवधारणा का सक्रिय रूप से पता लगाने की क्षमता और निष्कर्ष निकालने या इस अवधारणा पर कार्य करने की क्षमता। इसके अलावा, हम उन स्थितियों की जांच करना चाहते थे जिनमें इंटरैक्टिव क्षमताएं निष्क्रिय दृष्टिकोणों के लिए बेहतर हैं, और यह समझने के लिए कि पहले से ही अध्ययन की गई सरल अवधारणाओं का उपयोग कैसे अधिक जटिल लोगों का अध्ययन करने में मदद कर सकता है।

हमने सक्रिय अवधारणाओं की खोज के लिए एक विशेष वर्चुअल ट्रेनिंग ग्राउंड विकसित करके शुरू किया, एक ऐसा वातावरण जिसे हम PixelWorld ( गीथब पर उपलब्ध) कहते हैं। इस दुनिया में चीजें वास्तविक की तुलना में थोड़ी आसान होती हैं। यह एक असतत द्वि-आयामी क्षेत्र है जिसमें पिक्सेल एजेंट होता है और एक या एक से अधिक प्रकार के ऑब्जेक्ट होते हैं, जिसमें पिक्सेल भी शामिल होते हैं (उदाहरण के लिए, लाइनें, बिंदु या कंटेनर)।

एजेंट का काफी सरल कार्यान्वयन है: यह केवल अपने चारों ओर 3 × 3 कोशिकाओं के स्थान को मानता है और ऊपर, नीचे, बाएँ, दाएँ, या रुक सकता है और कुछ जानकारी भेज सकता है। इस तरह के कार्यान्वयन के लिए दुनिया के सबसे बुनियादी विचारों के अध्ययन की आवश्यकता होती है, दोनों एक वस्तु की अवधारणा और अंतःक्रिया की अवधारणाओं की अवधारणा। इस तथ्य के बावजूद कि यह अत्यधिक संवेदी अभाव की तरह लग सकता है, समृद्ध दृश्य धारणा का उन्मूलन हमें बहुमुखी व्यवहार को दुनिया के एक सार्थक दृष्टिकोण में बदलने की भूमिका पर ध्यान केंद्रित करने की अनुमति देता है।

हमने एजेंटों को दो अलग-अलग प्रकार के कार्यों में प्रशिक्षित किया। पहला कार्य पर्यावरण की जांच करना और रिपोर्ट करना था कि क्या पर्यावरण में आवश्यक अवधारणा मौजूद है। उदाहरण के लिए, एक कंटेनर। और उत्तर सही होने पर उसे पुरस्कृत किया गया। दूसरा काम इस अवधारणा के संबंध में कार्रवाई करना था। उदाहरण के लिए, अपने आप को इस कंटेनर में रखें। यह पुरस्कृत किया गया था यदि उसने कार्य को सही ढंग से पूरा किया और रिपोर्ट किया। इसके लिए, हमने सुदृढीकरण प्रशिक्षण का उपयोग किया।

उदाहरण के लिए, हमने एजेंट को यह निर्धारित करने के लिए सिखाया कि जब वह क्षैतिज विमान में किसी वस्तु में संलग्न था। नीचे दिया गया एनीमेशन इस व्यवहार को प्रदर्शित करता है: एजेंट चेक करता है कि क्या दाईं ओर दीवार है, फिर जांचता है कि बाईं तरफ दीवार है या नहीं। जैसे ही दोनों परीक्षण सफलतापूर्वक पारित हो जाते हैं, वह रिपोर्ट करता है कि वह "हिरासत में" है।



हमने अगले एजेंट को उसी चीज़ को समझने के लिए प्रशिक्षित किया जब वह पक्षों पर पहले से ही दो वस्तुओं से घिरा हुआ है: एक ठोस कंटेनर और एक छेद वाला एक कंटेनर। एनीमेशन से पता चलता है कि एजेंट सही वस्तु में जाता है, यह जाँचता है कि क्या यह एक ठोस कंटेनर है। यह एक छेद का पता लगाता है और फिर बाएं कंटेनर में चढ़ जाता है, अंत में संकेत देता है कि यह हिरासत में है।



हम अधिक विस्तार से समझ सकते हैं कि एजेंट अपने कार्यों के रिकॉर्ड का विश्लेषण करके क्या कर रहा है:



ऊपर दिए गए चित्र में दिखाए गए एनीमेशन में एजेंट द्वारा की गई प्रत्येक क्रिया को दिखाया गया है। प्रत्येक बॉक्स एक क्रिया का प्रतिनिधित्व करता है, समय बाएं से दाएं बढ़ता है। "DOWN", "RIGHT", "UP" और "LEFT" एजेंट की मुख्य क्रियाएं हैं, और "SMC" की प्रत्येक पंक्ति सेंसरिमोटर इंटरैक्शन के एक विशेष मामले का प्रतिनिधित्व करती है जो एजेंट प्रदर्शन कर सकता है। एसएमसी ( सेंसरिमोटर आकस्मिकताएँ - लगभग। अनुवाद। ) छोटे कार्यक्रमों के रूप में प्रतिनिधित्व किया जा सकता है, जब निष्पादित किया जाता है, तब तक बुनियादी कार्यों के अनुक्रम का उपयोग करें जब तक कि एजेंट दो संकेतों में से एक को रोकने और भेजने का निर्णय नहीं लेता है, जिसका अर्थ है या तो सफलता ("SIG1", हरा) या हार ("SIG0", लाल)। इनमें से प्रत्येक SMCs एक एजेंट के रूप में उत्पन्न हुआ जिसे एक सरल वैचारिक समस्या को हल करने के लिए प्रशिक्षित किया गया था। उदाहरण के लिए, "एसएमसी 3" को एक कंटेनर में चढ़ने के लिए प्रशिक्षित किया गया था यदि यह शुरू में फर्श पर बाईं ओर था। और यह पहली चीज है जिसे एजेंट एनीमेशन में चरण 0 से 11 तक करता है। इस प्रकार, एजेंट जटिल कार्यों का निष्पादन कर सकता है, जैसे निष्कर्ष के बारे में अंतिम निष्कर्ष निकालना, इसी प्रकार के निम्न-स्तर के SMCs के अनुक्रम का प्रदर्शन करना।

उसके बाद, हमने निष्कर्ष की अवधि से परे अपनी अवधारणाओं का विस्तार किया और इस तरह की अवधारणाओं को किसी वस्तु के शीर्ष पर होना या दो वस्तुओं के बाईं ओर होना शामिल किया:





इन एजेंटों को केवल एक वातावरण में प्रशिक्षित करना पर्याप्त नहीं होगा, क्योंकि यह समझने के लिए कि पर्यावरण के कौन से पहलू अवधारणाओं से संबंधित हैं और जो नहीं हैं, कई अलग-अलग वातावरणों की आवश्यकता है। ऐसे कई प्रकार के वातावरणों की उपस्थिति हमें उन प्रकारों को निर्धारित करने की भी अनुमति देती है जिसमें एक सक्रिय दृष्टिकोण और पहले से विकसित व्यवहार के पुन: उपयोग से निष्क्रिय दृष्टिकोणों को फायदा होगा।

इस आवश्यकता को पूरा करने के लिए, हमने मीडिया के निर्माण के लिए तार्किक अभिव्यक्तियों का उपयोग करते हुए और उनके अंदर जो अवधारणा प्रस्तुत की है, उसके संबंध में उन्हें चिह्नित करने के लिए, विशेष अभिव्यक्तियों का उपयोग करने के लिए पहले-क्रम तर्क के आधार पर एक विशेष प्रकार की रिकॉर्डिंग लागू की। हमने सरल से जटिल अवधारणाओं में प्रशिक्षण ब्लॉकों में आयोजित 96 ऐसे सरणियों का निर्माण किया है। दोनों रिकॉर्डिंग प्रणाली और ऊपर उल्लिखित वातावरण PixelWorld रिलीज में निहित हैं।

हमें क्या मिला

हमने एक निष्क्रिय तंत्रिका नेटवर्क का उपयोग करते हुए निष्क्रिय एक के साथ हमारे सक्रिय दृष्टिकोण की तुलना की, यह निर्धारित करने के लिए प्रशिक्षित किया कि क्या एक अवधारणा मौजूद है, पूरे पर्यावरण की एक स्थिर धारणा के आधार पर। "निष्कर्ष" का उपयोग करने वाली अवधारणाओं के लिए, इंटरेक्टिव दृष्टिकोण स्पष्ट रूप से कन्वेन्शनल नेटवर्क से बेहतर है। कई रूपों और स्थानिक संबंधों की विविध वस्तुओं को शामिल करने वाली अवधारणाओं के लिए, हमने पाया कि दृढ़ संकल्प नेटवर्क ने कुछ मामलों में बेहतर काम किया, लेकिन दूसरों में बदतर। यह ध्यान दिया जाना चाहिए कि निष्क्रिय दृष्टिकोण, परिभाषा के अनुसार, पर्यावरण के साथ बातचीत नहीं कर सकता है, इसलिए इस मामले में केवल एक चीज जो उम्मीद की जा सकती है वह अवधारणा का स्थैतिक पता लगाना था। केवल हमारे सक्रिय दृष्टिकोण ही ऐसे वातावरण में सफल हो सकते हैं जिनके लिए अवधारणा के साथ किसी प्रकार की बातचीत या संबंध की समझ की आवश्यकता होती है।

हमने यह भी पाया कि पुन: उपयोग करने वाले व्यवहार ने दोनों कार्यों के लिए परिणामों में सुधार किया (पता लगाने और बातचीत), उन मामलों में सबसे स्पष्ट परिणामों के साथ जहां अवधारणाओं में कई ऑब्जेक्ट्स या व्यवहार में आवश्यक जटिल अनुक्रम शामिल थे।

निष्कर्ष

हमारे काम से पता चलता है कि इंटरैक्टिव सेंसरिमोटर वैचारिक प्रतिनिधित्व को औपचारिक और आत्मसात किया जा सकता है। हालांकि इस लेख में परिलक्षित प्रयोगों ने बातचीत की भूमिका को सामान्य तरीके से पहचानने में मदद की, लेकिन जेनरेटर विजन सिस्टम के दृष्टिकोण के साथ उनका संयोजन वास्तविक दुनिया की अवधारणाओं का अध्ययन करने के लिए उपयोगी हो सकता है। इसके अलावा, " स्कीमा नेटवर्क " जैसी तकनीकों के साथ सेंसिमोटर अभ्यावेदन के संयोजन से एजेंट को बाहरी दुनिया का आंतरिक प्रतिनिधित्व प्राप्त करने की अनुमति मिलेगी जिसका उपयोग वह अनुकरण और योजना के लिए कर सकता है।

हालांकि भगोड़ा कृत्रिम बुद्धिमत्ता एक ऐसा विषय है जो विज्ञान कथा फिल्मों के लिए सबसे अच्छा है, हम मानते हैं कि सेंसरिमोटर इंटरैक्शन से अवधारणाओं को निकालना आधुनिक निष्क्रिय कृत्रिम बुद्धिमत्ता तकनीकों से आगे बढ़ने की कुंजी है।