Ny teknik låter AI förstå fysik intuitivt

Artificiell intelligens har kunnat utveckla en förståelse för fysik genom förstärkt inlärning under en tid, men en ny teknik utvecklad av forskare vid MIT kan hjälpa ingenjörer att designa modeller som visar en intuitiv förståelse för fysik.

Psykologisk forskning har visat att, till viss del, har människor en intuitiv förståelse för fysikens lagar. Spädbarn har förväntningar om hur föremål ska interagera och röra sig, och brott mot dessa förväntningar kommer att få spädbarnen att reagera med förvåning. Forskningen som utförts av MIT-teamet har potentialen att inte bara driva nya tillämpningar av artificiell intelligens, utan också hjälpa psykologer att förstå hur spädbarn uppfattar och lär sig om världen.

Modellen som designats av MIT-teamet kallas ADEPT, och den fungerar genom att göra förutsägelser om hur föremål ska bete sig i ett fysiskt utrymme. Modellen observerar föremål och håller reda på ett “förvåning”-mått medan den gör det. Om något oväntat händer, svarar modellen genom att öka sitt förvåningsvärde. Ovänliga och tydligen omöjliga handlingar, såsom att ett föremål teleporteras eller försvinner helt, kommer att se en dramatisk ökning av förvåning.

Målet för forskarteamet var att få sin modell att registrera samma nivåer av förvåning som människor registrerar när de ser föremål som beter sig på otroliga sätt.

ADEPT har två huvudkomponenter, en fysikmotor och en omvänd grafikmodul. Fysikmotorn är ansvarig för att förutsäga hur ett föremål kommer att röra sig, förutsäga en framtida representation av ett föremål, från en mängd möjliga tillstånd. Medan den omvända grafikmodulen är ansvarig för att skapa representationer av föremål som kommer att matas in i fysikmotorn.

Den omvända grafikmodulen spårar flera olika attribut, såsom hastighet, form och orientering av ett föremål, och extraherar denna information från videoframer. Den omvända grafikmodulen fokuserar endast på de mest betydelsefulla detaljerna, och ignorerar detaljer som inte kommer att hjälpa fysikmotorn att tolka föremålet och förutsäga nya tillstånd. Genom att fokusera på endast de viktigaste detaljerna kan modellen bättre generalisera till nya föremål. Fysikmotorn tar sedan dessa föremålsbeskrivningar och simulerar mer komplex fysiskt beteende, som fluiditet eller styvhet, för att göra förutsägelser om hur föremålet ska bete sig.

Efter att denna intagprocess har skett, observerar modellen den faktiska nästa ramen i videon, som den använder för att omberäkna sin sannolikhetsfördelning med avseende på möjliga föremålsbeteenden. Förvåningen är omvänt proportionell mot sannolikheten att en händelse ska inträffa, och registrerar endast stor förvåning när det finns en stor diskrepans mellan vad modellen tror ska hända härnäst och vad som faktiskt händer härnäst.

Forskarteamet behövde något sätt att jämföra sin modells förvåning med förvåningen hos människor som observerar samma föremålsbeteende. I utvecklingspsykologi testar forskare ofta spädbarn genom att visa dem två olika videor. I en video presenteras ett föremål som beter sig som man kan förvänta sig att föremål ska bete sig i den verkliga världen, utan spontant försvinnande eller teleportering. I den andra videon bryter ett föremål mot fysikens lagar på något sätt. Forskarteamet tog dessa grundläggande koncept och hade 60 vuxna titta på 64 olika videor av både förväntat och oväntat fysiskt beteende. Deltagarna blev sedan ombedda att bedöma sin förvåning vid olika ögonblick i videon på en skala från 1 till 100.

Analys av modellens prestation visade att den fungerade mycket bra på videor där ett föremål flyttades bakom en vägg och försvann när väggen togs bort, och matchade ofta människors förvåningsnivåer i dessa fall. Modellen tycktes också vara förvånad av videor där människor inte visade förvåning, men borde ha gjort det. Till exempel, för att ett föremål ska kunna flytta bakom en vägg med en given hastighet och omedelbart komma ut på andra sidan väggen, måste det antingen ha teleporterats eller upplevt en dramatisk ökning av hastighet.

När jämfört med prestationen av traditionella neuronnät som kan lära sig från observation men inte uttryckligen logga representationen av ett föremål, fann forskare att ADEPT-nätverket var mycket mer exakt i att skilja mellan förvånansvärda och oförvånansvärda scener och att ADEPT:s prestation överensstämde mer med mänskliga reaktioner.

Forskarteamet vid MIT syftar till att genomföra mer forskning och få en djupare insikt i hur spädbarn observerar världen omkring sig och lär sig av dessa observationer, och kommer att inkorporera sina fynd i nya versioner av ADEPT-modellen.