Nouvelle technique permettant à l’IA de comprendre intuitivement certaines lois de la physique

L’intelligence artificielle a été capable de développer une compréhension de la physique grâce à l’apprentissage par renforcement depuis un certain temps, mais une nouvelle technique développée par des chercheurs du MIT pourrait aider les ingénieurs à concevoir des modèles qui démontrent une compréhension intuitive de la physique.

Les recherches en psychologie ont montré que, dans une certaine mesure, les humains ont une compréhension intuitive des lois de la physique. Les nourrissons ont des attentes sur la façon dont les objets devraient interagir et se déplacer, et les violations de ces attentes les feront réagir avec surprise. La recherche menée par l’équipe du MIT a le potentiel non seulement de conduire à de nouvelles applications de l’intelligence artificielle, mais également d’aider les psychologues à comprendre comment les nourrissons perçoivent et apprennent sur le monde qui les entoure.

Le modèle conçu par l’équipe du MIT s’appelle ADEPT, et il fonctionne en faisant des prédictions sur la façon dont les objets devraient se comporter dans un espace physique. Le modèle observe les objets et suit une métrique de “surprise” à mesure qu’il le fait. Si quelque chose d’inattendu se produit, le modèle répond en augmentant sa valeur de surprise. Des actions inattendues et apparemment impossibles, telles qu’un objet qui disparaît ou qui se téléporte, entraîneront une augmentation significative de la surprise.

L’objectif de l’équipe de recherche était de faire en sorte que leur modèle enregistre les mêmes niveaux de surprise que ceux enregistrés par les humains lorsqu’ils voient des objets se comporter de manière invraisemblable.

ADEPT a deux composants majeurs, un moteur de physique et un module de graphiques inverses. Le moteur de physique est responsable de la prédiction de la façon dont un objet se déplacera, en prédisant une représentation future de l’objet à partir d’une gamme d’états possibles. Pendant ce temps, le module de graphiques inverses est responsable de la création des représentations des objets qui seront alimentées dans le moteur de physique.

Le module de graphiques inverses suit plusieurs attributs tels que la vitesse, la forme et l’orientation d’un objet, en extrayant ces informations à partir de cadres de vidéos. Le module de graphiques inverses ne se concentre que sur les détails les plus saillants, en ignorant les détails qui n’aideront pas le moteur de physique à interpréter l’objet et à prédire de nouveaux états. En se concentrant uniquement sur les détails les plus importants, le modèle est mieux à même de généraliser à de nouveaux objets. Le moteur de physique prend ensuite ces descriptions d’objets et simule un comportement physique plus complexe, comme la fluidité ou la rigidité, afin de faire des prédictions sur la façon dont l’objet devrait se comporter.

Après que ce processus d’absorption se soit produit, le modèle observe le cadre réel suivant de la vidéo, qu’il utilise pour recalculer sa distribution de probabilité par rapport aux comportements d’objets possibles. La surprise est inversement proportionnelle à la probabilité qu’un événement se produise, n’enregistrant une grande surprise que lorsqu’il y a un décalage important entre ce que le modèle pense qui devrait se produire ensuite et ce qui se produit réellement ensuite.

L’équipe de recherche avait besoin d’une façon de comparer la surprise de leur modèle à la surprise des personnes observant le même comportement d’objets. En psychologie du développement, les chercheurs testent souvent les nourrissons en leur montrant deux vidéos différentes. Dans une vidéo, un objet est présenté qui se comporte comme on pourrait s’y attendre dans le monde réel, sans jeu spontané, disparition ou téléportation. Dans l’autre vidéo, un objet viole les lois de la physique d’une façon ou d’une autre. L’équipe de recherche a pris ces concepts de base et a fait regarder 64 vidéos de comportement physique attendu et inattendu à 60 adultes. Les participants ont ensuite été invités à évaluer leur surprise à différents moments de la vidéo sur une échelle de 1 à 100.

L’analyse des performances du modèle a montré qu’il s’est comporté très bien sur les vidéos où un objet était déplacé derrière un mur et disparaissait lorsqu’on retirait le mur, correspondant généralement aux niveaux de surprise des humains dans ces cas. Le modèle a également semblé être surpris par des vidéos où les humains n’ont pas montré de surprise mais auraient dû. Par exemple, pour qu’un objet se déplace derrière un mur à une vitesse donnée et ressorte immédiatement de l’autre côté du mur, il doit avoir soit téléporté, soit connu une augmentation significative de vitesse.

Lorsqu’on l’a comparé aux performances de réseaux de neurones traditionnels capables d’apprendre par observation mais ne consignant pas explicitement la représentation d’un objet, les chercheurs ont constaté que le réseau ADEPT était beaucoup plus précis pour discerner entre des scènes surprenantes et non surprenantes et que les performances d’ADEPT correspondaient plus étroitement aux réactions humaines.

L’équipe de recherche du MIT vise à mener davantage de recherches et à acquérir une compréhension plus approfondie de la façon dont les nourrissons observent le monde qui les entoure et apprennent de ces observations, en intégrant leurs découvertes dans de nouvelles versions du modèle ADEPT.