Meningkatkan Kemampuan AI-Powered Computer Vision Melalui Kesadaran Fisika

Kecerdasan Buatan telah meninggalkan jejak yang tak terhapuskan dalam kehidupan kita. Dalam upaya perintis untuk lebih meningkatkan kemampuan AI, peneliti dari UCLA dan Laboratorium Penelitian Angkatan Darat Amerika Serikat telah mengungkapkan pendekatan unik yang menggabungkan kesadaran fisika dengan teknik data-driven dalam teknologi penglihatan komputer yang ditenagai AI.

Studi ini, yang diterbitkan di Nature Machine Intelligence, mengusulkan metode hybrid yang berani untuk memperbaiki cara mesin AI memahami, berinteraksi, dan bereaksi terhadap lingkungannya secara real-time—kritis untuk kendaraan otonom dan robot presisi-aksi.

Pendekatan Hybrid untuk AI yang Sadar Fisika

Secara tradisional, penglihatan komputer, bidang yang memungkinkan AI untuk memahami dan menyimpulkan sifat-sifat dunia fisik dari gambar, telah terutama berfokus pada pembelajaran mesin berbasis data. Sementara itu, penelitian berbasis fisika berusaha untuk mengungkap prinsip-prinsip fisika yang mendasari banyak tantangan penglihatan komputer. Namun, mengasimilasi pemahaman fisika ke dalam ranah jaringan saraf telah terbukti sulit.

Dalam sebuah terobosan signifikan, studi UCLA ini bertujuan untuk menggabungkan pemahaman yang mendalam dari data dan pengetahuan dunia nyata dari fisika, sehingga menciptakan AI hybrid dengan kemampuan yang ditingkatkan. Achuta Kadambi, penulis utama studi ini dan asisten profesor teknik elektro dan komputer di UCLA Samueli School of Engineering, menjelaskan, “Bentuk inferensi yang sadar fisika dapat memungkinkan mobil untuk berkendara lebih aman atau robot bedah untuk menjadi lebih presisi.”

Mengintegrasikan Fisika ke dalam AI Penglihatan Komputer

Tim peneliti menggariskan tiga cara inovatif untuk mengintegrasikan fisika ke dalam AI penglihatan komputer:

1. Menginfuskan fisika ke dalam set data AI: Ini melibatkan menandai objek dengan informasi tambahan, seperti kecepatan atau berat potensial, serupa dengan karakter dalam permainan video.
2. Mengintegrasikan fisika ke dalam arsitektur jaringan: Strategi ini melibatkan menjalankan data melalui filter jaringan yang mengkodekan sifat-sifat fisika ke dalam apa yang ditangkap kamera.
3. Mengintegrasikan fisika ke dalam fungsi kerugian jaringan: Di sini, pengetahuan berbasis fisika digunakan untuk membantu AI dalam menafsirkan data pelatihan tentang pengamatan.

Garisi penelitian eksperimental ini telah menghasilkan hasil yang menjanjikan dalam meningkatkan penglihatan komputer. Misalnya, pendekatan hybrid memungkinkan AI untuk melacak dan memprediksi gerakan objek dengan lebih akurat dan dapat menghasilkan gambar yang akurat dan resolusi tinggi dari adegan yang terhalang oleh cuaca buruk.

Masa Depan AI yang Sadar Fisika

Para peneliti optimis bahwa kemajuan terus-menerus dalam pendekatan dual-mode ini mungkin memungkinkan AI berbasis pembelajaran dalam untuk secara mandiri mempelajari hukum fisika. Ini dapat menandai frontier baru dalam teknologi penglihatan komputer yang ditenagai AI, membuka jalan bagi aplikasi AI yang lebih aman dan presisi di berbagai sektor, termasuk kendaraan otonom dan robotika bedah.

Studi ini, yang didukung sebagian oleh hibah dari Laboratorium Penelitian Angkatan Darat, ditulis bersama oleh ilmuwan komputer Laboratorium Penelitian Angkatan Darat Celso de Melo, dan anggota fakultas UCLA Stefano Soatto, Cho-Jui Hsieh, dan Mani Srivastava. Pendanaan tambahan berasal dari hibah dari National Science Foundation, Program Peneliti Muda Angkatan Darat, Badan Proyek Penelitian Pertahanan Lanjutan, Intrinsic, sebuah perusahaan Alphabet (GOOG ) (GOOGL ), dan Amazon.