Verbesserung der künstlichen Intelligenz-basierten Computer-Vision durch physikbewusste Ansätze

Die künstliche Intelligenz hat unbestreitbar ihre Spuren in unserem Leben hinterlassen. In einem bahnbrechenden Versuch, die Fähigkeiten der künstlichen Intelligenz weiter zu verbessern, haben Forscher der UCLA und des United States Army Research Laboratory einen einzigartigen Ansatz vorgestellt, der physikbewusste Ansätze mit datengetriebenen Techniken in künstlichen Intelligenz-basierten Computer-Vision-Technologien verbindet.

Die Studie, die in Nature Machine Intelligence veröffentlicht wurde, schlägt eine grundlegende hybride Methode vor, die darauf abzielt, die Art und Weise zu verfeinern, wie künstliche Intelligenz-basierte Maschinen ihre Umgebung in Echtzeit wahrnehmen, interagieren und reagieren – ein entscheidender Aspekt für autonome Fahrzeuge und Präzisions-Roboter.

Hybrider Ansatz für physikbewusste künstliche Intelligenz

Traditionell hat die Computer-Vision, das Feld, das es der künstlichen Intelligenz ermöglicht, die physische Welt aus Bildern zu verstehen und zu inferenzieren, sich hauptsächlich auf datenbasiertes Maschinenlernen konzentriert. Gleichzeitig hat die physikbasierte Forschung versucht, die physikalischen Prinzipien zu entschlüsseln, die vielen Computer-Vision-Herausforderungen zugrunde liegen. Allerdings hat sich die Integration des physikalischen Verständnisses in das Reich der neuronalen Netze als herausfordernd erwiesen.

In einem bedeutenden Durchbruch zielt die UCLA-Studie darauf ab, das tiefe Verständnis aus Daten und die realen Kenntnisse der Physik zu kombinieren, um so eine hybride künstliche Intelligenz mit erweiterten Fähigkeiten zu schaffen. Achuta Kadambi, der entsprechende Autor der Studie und Assistant Professor für Elektrotechnik und Informatik an der UCLA Samueli School of Engineering, erklärt: “Physikbewusste Formen der Inferenz können es ermöglichen, dass Autos sicherer fahren oder chirurgische Roboter präziser arbeiten.”

Integration von Physik in die Computer-Vision-künstliche Intelligenz

Das Forschungsteam skizziert drei innovative Wege, um Physik in die Computer-Vision-künstliche Intelligenz zu integrieren:

1. Physik in künstliche Intelligenz-Datensätze einfließen lassen: Dies beinhaltet das Taggen von Objekten mit zusätzlicher Information, wie ihrer möglichen Geschwindigkeit oder ihrem Gewicht, ähnlich wie Charaktere in Videospielen.
2. Physik in Netzwerkarchitekturen integrieren: Diese Strategie beinhaltet das Laufen von Daten durch ein Netzwerkfilter, das physikalische Eigenschaften in das codiert, was Kameras aufnehmen.
3. Physik in die Netzwerkverlustfunktion einbeziehen: Hier wird das Wissen auf der Grundlage der Physik genutzt, um der künstlichen Intelligenz zu helfen, die Trainingsdaten auf ihre Beobachtungen zu interpretieren.

Diese experimentellen Forschungsansätze haben bereits vielversprechende Ergebnisse bei der Verbesserung der Computer-Vision erzielt. Zum Beispiel ermöglicht der hybride Ansatz es der künstlichen Intelligenz, die Bewegung eines Objekts genauer zu verfolgen und vorherzusagen und kann präzise, hochauflösende Bilder aus Szenen erzeugen, die von widrigen Wetterbedingungen beeinträchtigt sind.

Die Zukunft der physikbewussten künstlichen Intelligenz

Die Forscher sind optimistisch, dass weitere Fortschritte in diesem dualen Ansatz es tiefenlernbasierten künstlichen Intelligenzen ermöglichen könnten, die Gesetze der Physik unabhängig zu lernen. Dies könnte eine neue Grenze in künstlichen Intelligenz-basierten Computer-Vision-Technologien markieren, die den Weg für eine sicherere und präzisere Anwendung der künstlichen Intelligenz in verschiedenen Bereichen, einschließlich autonomen Fahrzeugen und chirurgischer Robotik, ebnet.

Die Studie, die teilweise durch eine Förderung des Army Research Laboratory unterstützt wurde, wurde von Army Research Laboratory-Computerwissenschaftler Celso de Melo und den UCLA-Fakultätsmitgliedern Stefano Soatto, Cho-Jui Hsieh und Mani Srivastava koautoriert. Zusätzliche Finanzierung kam von Zuschüssen der National Science Foundation, des Army Young Investigator Program, der Defense Advanced Research Projects Agency, Intrinsic, einem Alphabet (GOOG ) -Unternehmen, und Amazon.