Mesin sebagai anak-anak: bisakah AI belajar memprediksi konsekuensi dari tindakannya?

Anak-anak kecil sangat menyadari apa yang akan terjadi jika Anda membalik gelas dengan jus. Tetapi tidak ada mobil. Terlepas dari semua variasi algoritma modern, komputer tidak dapat memprediksi konsekuensi dari satu atau lain tindakannya. Tentu saja, jika komputer ini tidak dilatih secara khusus.

Sebuah tim peneliti dari Allen Institute for Artificial Intelligence (AI2) mengembangkan program yang membantu bentuk lemah AI “memahami” apa yang terjadi ketika suatu tindakan dilakukan. Perangkat lunak "memprediksi" masa depan, menunjukkan bagaimana suatu objek dapat berperilaku dalam kondisi tertentu. Ini, kata para ilmuwan, akan membantu AI membuat lebih sedikit kesalahan. Sebagai contoh, sebuah mobil otonom akan dapat "memprediksi" konsekuensi dari perkembangan situasi tertentu di jalan.

Sistem, yang dikembangkan oleh Roozbeh Mottaghi dan rekan-rekannya, menunjukkan fitur dari sejumlah objek. Platform perangkat lunak yang dibuat oleh para ilmuwan menggunakan pembelajaran mesin dan pemodelan 3D. Para peneliti telah mengubah lebih dari 10.000 gambar menjadi pemandangan yang sangat banyak. Untuk ini, mesin 3D khusus digunakan.

Setelah konversi, gambar sumber dan analog volumetriknya dimuat ke jaringan saraf. Akibatnya, sistem komputer secara bertahap belajar dari objek 3D sederhana dan pergerakan objek-objek ini. Setelah sistem menerima sejumlah pasangan "gambar - model 3D", ia belajar untuk secara mandiri membayangkan kekuatan apa yang dapat diterapkan pada objek tiga dimensi, dan apa yang mungkin merupakan konsekuensi dari manifestasi kekuatan ini.

Ini bukan untuk mengatakan bahwa pekerjaan berjalan dengan sangat lancar. Tetapi situasi di mana komputer dapat memprediksi perilaku objek tiga dimensi ketika berinteraksi dengannya ternyata lebih dari situasi ketika mesin tidak mengerti apa yang bisa terjadi. AI “mengerti”, misalnya, bahwa jika stapler yang tergeletak di tepi meja didorong, ia akan jatuh. Sistem ini juga berhasil menunjukkan situasi dengan meja kopi dan sofa. AI bisa “mengerti” bahwa jika meja kopi dipindahkan ke sofa, maka meja tersebut akan diletakkan di sofa dan tidak bisa bergerak.

“Tujuan kami adalah mempelajari dinamika mesin fisik. Anda harus belajar memprediksi kemungkinan perilaku objek dalam adegan, ”kata manajer proyek.

Hasil pekerjaan ini dapat bermanfaat untuk banyak bidang. Jadi, jauh dari mana-mana kami menerapkan metode coba-coba. Dalam kasus robomobile, ini benar-benar dikecualikan. Komputer harus memprediksi kemungkinan perkembangan situasi, dan melakukannya dengan sangat cepat. Pengumpulan dan analisis data dalam situasi seperti itu sangat penting. Ini adalah contoh lain. Sistem layanan pelanggan di toko juga tidak dapat mendorong barang dari rak untuk memahami konsekuensi dari tindakan mereka. Ini akan menelan biaya pemilik toko dan menakut-nakuti pelanggan.



Pekerjaan yang dilakukan para ilmuwan adalah bagian dari proyek Project Plato . Tujuannya adalah memberikan sistem robot kesempatan untuk memahami konsekuensi dari tindakan mereka tanpa menguji ini dalam praktik. Secara khusus, sistem dengan bentuk AI yang lemah yang digunakan dalam proyek memahami bagaimana pemain ski menuruni gunung akan bergerak. Mereka juga memahami bagaimana bola sepak yang baru saja dikirim pemain terbang untuk terbang akan bergerak. Peristiwa semacam itu dan konsekuensinya, AI harus belajar untuk memahami secara real time.

Dalam beberapa tahun terakhir, sistem komputer terasa lebih bijaksana. Mereka sudah dapat menganalisis gambar dengan kategorisasi berikutnya, identifikasi elemen gambar dan penandaan. Brendan Lake ( oleh Brendan Lake), seorang spesialis dari New York University, percaya bahwa proyek Ai2 penting bagi dunia modern. "Memahami adegan itu jauh lebih rumit daripada mengenali objek," kata Lake. "Ketika seseorang melihat bingkai adegan, dia bisa menceritakan seluruh cerita tentang apa yang terjadi atau apa yang bisa terjadi pada frame yang ditentukan." Idealnya, mesin harus dapat melakukan hal yang sama.

Tentu saja, sejauh ini, manusia jauh melebihi kemampuan mesin dalam contoh di atas. Tetapi tugas para ilmuwan adalah untuk mengajarkan sistem komputer untuk menganalisis konsekuensi yang mungkin dari tindakan mereka. Komputer dalam hal ini menjadi sama dengan manusia atau melampaui dirinya, sementara tidak ada pertanyaan. Tetapi pada tahap saat ini, ini bisa sangat berguna untuk sejumlah area.

Para ilmuwan yang berpartisipasi dalam proyek ini tidak menyembunyikan hasil pekerjaan mereka. Kode sumber, kumpulan data, dan yang lainnya dapat diperoleh di tautan ini untuk studi independen.

Source: https://habr.com/ru/post/id397079/