Nová technika umožňuje umělým inteligencím intuitivně pochopit některé fyzikální jevy

Umělé inteligence jsou schopny vyvinout porozumění fyzice prostřednictvím učení s posilováním již nějakou dobu, ale nová technika vyvinutá výzkumníky na MIT by mohla pomoci inženýrům navrhnout modely, které prokazují intuitivní porozumění fyzice.

Psychologický výzkum ukázal, že lidé mají do jisté míry intuitivní porozumění fyzikálním zákonům. Novorozenci mají očekávání, jak by se měly objekty chovat a pohybovat, a porušení těchto očekávání vyvolá u nich překvapení. Výzkum provedený týmem z MIT má potenciál nejen pohánět nové aplikace umělé inteligence, ale také pomoci psychologům pochopit, jak novorozenci vnímají a učí se o světě.

Model navrženým týmem z MIT se jmenuje ADEPT a funguje tak, že dělá předpovědi o tom, jak by se měly objekty chovat v fyzickém prostoru. Model pozoruje objekty a sleduje “překvapení” metriku, zatímco tak činí. Pokud se něco neočekávaného stane, model reaguje zvýšením hodnoty překvapení. Neočekávané a zdánlivě nemožné akce, jako je teleportace objektu nebo jeho úplné zmizení, budou mít dramatický nárůst překvapení.

Cílem výzkumného týmu bylo, aby jejich model registroval stejné úrovně překvapení, jako lidé, když vidí objekty, které se chovají nepravděpodobným způsobem.

ADEPT má dvě hlavní součásti, fyzický motor a modul inverzní grafiky. Fyzický motor je zodpovědný za předpověď, jak se objekt bude pohybovat, předpovídající budoucí reprezentaci objektu z rozsahu možných stavů. Mezitím je modul inverzní grafiky zodpovědný za vytváření reprezentací objektů, které budou zahrnuty do fyzického motoru.

Modul inverzní grafiky sleduje několik různých atributů, jako je rychlost, tvar a orientace objektu, extrahující tyto informace z rámců videa. Modul inverzní grafiky se zaměřuje pouze na nejvýraznější detaily, ignoruje detaily, které nebudou pomáhat fyzickému motoru interpretovat objekt a předpovídat nové stavy. Díky tomu, že se zaměřuje pouze na nejvýznamnější detaily, je model lépe schopen zobecnit na nové objekty. Fyzický motor poté bere tyto popisy objektů a simuluje složitější fyzické chování, jako je tekutost nebo rigidita, aby mohl dělat předpovědi o tom, jak by se objekt měl chovat.

Po tomto procesu výzkumný tým potřeboval nějakým způsobem porovnat překvapení svého modelu s překvapením lidí, kteří pozorují stejné chování objektu. Ve vývojové psychologii výzkumníci často testují novorozence tím, že jim ukazují dvě různé videa. V jednom videu je objekt, který se chová tak, jak by se měly objekty chovat ve skutečném světě, bez spontánního zmizení nebo teleportace. Ve druhém videu objekt porušuje fyzikální zákony nějakým způsobem. Výzkumný tým vzal tyto stejné základní koncepty a nechal 60 dospělých sledovat 64 různých videí očekávaného a neočekávaného fyzického chování. Účastníci byli poté požádáni, aby ohodnotili své překvapení v různých okamžicích videa na škále 1 až 100.

Analýza výkonu modelu prokázala, že fungoval velmi dobře na videích, kde byl objekt přesunut za zeď a zmizel, když byla zeď odstraněna, obvykle se shodoval s úrovněmi překvapení lidí v těchto případech. Model také projevoval překvapení u videí, kde lidé nedemonstrovali překvapení, ale mohli by měli. Jako příklad, aby se objekt mohl pohybovat za zeď při dané rychlosti a okamžitě vyjít na druhou stranu zdi, musel by buď teleportovat nebo zažít dramatické zvýšení rychlosti.

Když byl srovnán s výkonem tradičních neuronových sítí, které jsou schopny učit se z pozorování, ale neexplicitně zaznamenávají reprezentaci objektu, výzkumníci zjistili, že síť ADEPT byla mnohem přesnější při rozlišování mezi překvapivými a nepřekvapivými scénami a že výkon ADEPT se shodoval s lidskými reakcemi blíže.

Tým z MIT má v plánu provést další výzkum a získat hlubší vhled do toho, jak novorozenci pozorují svět kolem sebe a učí se z těchto pozorování, a začlenit své poznatky do nových verzí modelu ADEPT.