小时候的机器：人工智能可以学会预测其行为的后果吗？

年幼的孩子很清楚如果您将一杯果汁倒入玻璃杯中，会发生什么情况。但是没有车。尽管现代算法种类繁多，但计算机仍无法预测其一个或另一个动作的后果。当然，如果这台计算机没有经过专门培训。

艾伦人工智能研究所（AI2）的一组研究人员开发了一个程序，该程序可以帮助弱形式的AI“了解”执行动作时会发生什么。该软件“预测”未来，显示物体在特定条件下的行为。科学家说，这将帮助AI减少错误。例如，自动驾驶汽车将能够“预测”道路上特定情况发展的后果。

Roozbeh Mottaghi和他的同事开发的该系统演示了许多对象的功能。科学家创建的软件平台使用机器学习和3D建模。研究人员已将超过10,000张图像转换为大量场景。为此，使用了专门的3D引擎。

转换后，源图像及其体积类似物被加载到神经网络中。结果，计算机系统逐渐从简单的3D对象以及这些对象的运动中学习。系统收到一定数量的“图像-3D模型”对后，学会了独立想象可以对三维物体施加哪些力，以及这些力的表现可能带来什么后果。

这并不是说工作进展顺利。但是，与计算机不了解可能发生的情况相比，计算机可以预测与之交互的三维对象的行为的情况要多得多。 AI“理解”了例如，如果推桌子边上的订书机被推，它将掉落。该系统还通过咖啡桌和沙发成功显示了情况。 AI可以“理解”如果将茶几移向沙发，那么桌子肯定会搁在沙发上而不能继续前进。

“我们的目标是研究物理引擎的动力学。项目经理说，您必须学会预测场景中对象的可能行为。

这项工作的结果对于许多领域都可能是有用的。因此，我们无处不在应用试错法。对于机器人，这是绝对排除的。计算机必须预测这种情况的可能发展，并迅速进行。在这种情况下，数据的收集和分析非常重要。这是另一个例子。商店中的客户服务系统也不能将商品下架以了解其行为的后果。这将使商店老板蒙受损失，并吓跑顾客。



科学家正在做的工作是柏拉图计划的一部分。其目的是使机器人系统有机会了解其行为的后果，而无需在实践中进行测试。尤其是，该项目中使用的AI形式较弱的系统了解滑雪者如何下山。他们还了解足球运动员刚刚送出的足球将如何移动。此类事件及其后果，人工智能必须学会实时理解。

近年来，计算机系统已变得更加明智。他们已经可以分析图像并进行后续分类，图像元素识别和标记。布伦丹湖（布伦丹湖），来自纽约大学的专家认为，Ai2项目对现代世界很重要。莱克说：“了解场景比识别物体要复杂得多。” “当一个人看到一个场景的框架时，他能够讲出在指定框架上正在发生或可能发生的事情的整个故事。”理想情况下，机器应该能够执行相同的操作。

当然，到目前为止，在上述示例中，人已经远远超出了机器的功能。但是科学家的任务是教计算机系统分析其行动可能带来的后果。毫无疑问，从这个意义上说，计算机等于或超过了人。但是在当前阶段，这对于许多领域可能非常有用。

参与该项目的科学家并没有隐藏他们的工作结果。可以从此链接获取源代码，数据集和其他所有内容，以进行独立研究。

Source: https://habr.com/ru/post/zh-CN397079/