Nová technika umožňuje umělým inteligencím intuitivně chápat fyziku

Umělá inteligence dokáže již nějakou dobu vyvinout porozumění fyzice prostřednictvím učení s posilováním, ale nová technika vyvinutá výzkumníky z 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 objekty měly chovat a pohybovat, a porušení těchto očekávání u nich vyvolá 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 nazývá ADEPT a funguje tak, že dělá předpovědi o tom, jak by se objekty měly chovat v fyzickém prostoru. Model pozoruje objekty a sleduje “překvapení” metriku, zatímco to dělá. Pokud se něco neočekávaného stane, model reaguje zvýšením hodnoty překvapení. Neočekávané a zdánlivě nemožné akce, jako je teleportace nebo zmizení objektu, budou mít dramatický nárůst překvapení.

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

ADEPT má dvě hlavní součásti, fyzikální motor a modul inverzní grafiky. Fyzikální motor je zodpovědný za předpověď, jak se objekt bude pohybovat, předpověď budoucí reprezentace objektu z řady možných stavů. Mezitím modul inverzní grafiky je zodpovědný za vytváření reprezentací objektů, které budou zpracovány fyzikálním motorem.

Modul inverzní grafiky sleduje několik různých atributů, jako je rychlost, tvar a orientace objektu, a extrahuje tuto informaci z rámců videa. Modul inverzní grafiky se zaměřuje pouze na nejvýznamnější detaily, ignoruje detaily, které by fyzikálnímu motoru nezabránily interpretovat objekt a předpovědět nové stavy. Díky tomu, že se zaměřuje pouze na nejvýznamnější detaily, je model schopen lépe generalizovat na nové objekty. Fyzikální motor poté bere tyto popisy objektů a simuluje složitější fyzické chování, jako je tekutost nebo pevnost, aby mohl dělat předpovědi o tom, jak by se objekt měl chovat.

Po tomto procesu model pozoruje skutečný následující rámec ve videu, který používá k přepočtu své pravděpodobnostní distribuce ve vztahu k možným chováním objektů. Překvapení je nepřímo úměrné pravděpodobnosti, že událost by se měla vyskytnout, a registruje velké překvapení pouze tehdy, když je mezi tím, co model věří, že by se mělo stát, a tím, co se skutečně stane, velký nesoulad.

Výzkumný tým potřeboval nějaký způsob, jak porovnat překvapení svého modelu s překvapením lidí, kteří pozorují stejné chování objektů. Ve vývojové psychologii výzkumníci často testují novorozence tím, že jim ukazují dva různé videa. V jednom videu je objekt, který se chová tak, jak by se objekty měly chovat ve skutečném světě, bez spontánního zmizení nebo teleportace. V druhém videu objekt porušuje fyzikální zákony nějakým způsobem. Výzkumný tým použil 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 ukázala, že fungoval quite dobře na videích, kde objekt byl přesunut za zeď a zmizel, když byla zeď odstraněna, a obvykle se shodoval s úrovněmi překvapení lidí v těchto případech. Model také projevil překvapení u videí, kde lidé neprojevovali překvapení, ale mohli by je projevit. Například aby se objekt mohl pohybovat za zeď při dané rychlosti a okamžitě vyjít na druhou stranu zdi, musel by buď teleportovat nebo mít dramatický nárůst rychlosti.

Při srovnání s výkonem tradičních neuronových sítí, které jsou schopné učit se z pozorování, ale explicitně nezaznamenávají reprezentaci objektu, výzkumníci zjistili, že síť ADEPT byla mnohem přesnější při rozlišování mezi překvapivými a nepřekvapivými scénami a že výkon sítě ADEPT se shodoval s lidskými reakcemi blíže.

Tým výzkumníků z MIT se snaží provést další výzkum a získat hlubší vhled do toho, jak novorozenci vnímají svět kolem sebe a učí se z těchto pozorování, a začleňovat své nálezy do nových verzí modelu ADEPT.