การเพิ่มประสิทธิภาพการมองเห็นของ AI ด้วยการรับรู้ทางกายภาพ

ปัญญาประดิษฐ์ (AI) ได้สร้างผลกระทบอย่างลึกซึ้งต่อชีวิตของเรา ในความพยายามที่จะพัฒนา AI ให้ดีขึ้น นักวิจัยจาก UCLA และห้องปฏิบัติการวิจัยของกองทัพสหรัฐฯ ได้พัฒนาแนวทางใหม่ที่รวมการรับรู้ทางกายภาพเข้ากับเทคนิคการเรียนรู้จากข้อมูลในเทคโนโลยีการมองเห็นของ AI

การศึกษา ซึ่งเผยแพร่ใน Nature Machine Intelligence เสนอแนวทางใหม่ที่รวมการรับรู้ทางกายภาพเข้ากับการเรียนรู้จากข้อมูล เพื่อพัฒนา AI ที่สามารถรับรู้และโต้ตอบกับสภาพแวดล้อมได้ดีขึ้น

แนวทางผสมผสานสำหรับ AI ที่รับรู้ทางกายภาพ

โดยทั่วไป การมองเห็นของ AI ซึ่งเป็นสาขาที่ทำให้ AI สามารถเข้าใจและอนุมานคุณสมบัติของโลกแห่งความเป็นจริงจากภาพ ได้มุ่งเน้นไปที่การเรียนรู้จากข้อมูลเป็นหลัก ในขณะเดียวกัน การวิจัยที่อาศัยการรับรู้ทางกายภาพได้พยายามที่จะเข้าใจหลักการทางกายภาพที่ซ่อนอยู่เบื้องหลังความท้าทายในการมองเห็นของ AI อย่างไรก็ตาม การรวมการรับรู้ทางกายภาพเข้ากับเครือข่ายประสาทเทียมได้证明ว่าเป็นเรื่องที่ท้าทาย

ในความสำเร็จที่สำคัญ การศึกษาของ UCLA มุ่งหวังที่จะรวมการรับรู้ทางกายภาพเข้ากับการเรียนรู้จากข้อมูล เพื่อสร้าง AI ที่มีความสามารถที่เพิ่มขึ้น Achuta Kadambi ผู้เขียนหลักของการศึกษาและผู้ช่วยศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์ที่ UCLA Samueli School of Engineering อธิบายว่า “การอนุมานที่รับรู้ทางกายภาพสามารถช่วยให้รถยนต์ขับได้อย่างปลอดภัยยิ่งขึ้น หรือหุ่นยนต์ศัลยกรรมสามารถทำงานได้อย่างแม่นยำยิ่งขึ้น”

การรวมการรับรู้ทางกายภาพเข้ากับการมองเห็นของ AI

ทีมวิจัยได้เสนอแนวทางใหม่สามวิธีในการรวมการรับรู้ทางกายภาพเข้ากับการมองเห็นของ AI:

1. การบันทึกข้อมูลด้วยการรับรู้ทางกายภาพ: ซึ่งเกี่ยวข้องกับการบันทึกข้อมูลด้วยข้อมูลเพิ่มเติม เช่น ความเร็วหรือน้ำหนักของวัตถุ
2. การรวมการรับรู้ทางกายภาพเข้ากับโครงสร้างเครือข่าย: ซึ่งเกี่ยวข้องกับการบันทึกข้อมูลผ่านเครือข่ายที่เข้ารหัสคุณสมบัติทางกายภาพ
3. การรวมการรับรู้ทางกายภาพเข้ากับการสูญเสียของเครือข่าย: ซึ่งเกี่ยวข้องกับการใช้ความรู้ทางกายภาพเพื่อช่วย AI ในการแปลข้อมูลการฝึกอบรม

แนวทางเหล่านี้ได้ผลลัพธ์ที่น่าสนใจในการพัฒนา AI ที่มีความสามารถในการมองเห็นที่ดีขึ้น ตัวอย่างเช่น แนวทางผสมผสานช่วยให้ AI สามารถติดตามและคาดการณ์การเคลื่อนไหวของวัตถุได้อย่างแม่นยำ และสามารถสร้างภาพที่มีความละเอียดสูงจากฉากที่มีสภาพอากาศไม่ดี

อนาคตของ AI ที่รับรู้ทางกายภาพ

นักวิจัยมีความหวังว่าการพัฒนาต่อไปในแนวทางนี้จะช่วยให้ AI ที่ใช้การเรียนรู้เชิงลึกสามารถเรียนรู้กฎของการรับรู้ทางกายภาพได้ด้วยตนเอง ซึ่งอาจเป็นแนวทางใหม่ในการพัฒนา AI ที่มีความสามารถในการมองเห็นที่ดีขึ้น และสามารถนำไปใช้ในหลายสาขา เช่น รถยนต์ไร้คนขับและหุ่นยนต์ศัลยกรรม

การศึกษาได้รับการสนับสนุนจาก Army Research Laboratory และได้รับการเขียนโดย Celso de Melo นักวิทยาศาสตร์จาก Army Research Laboratory และ UCLA faculty members Stefano Soatto, Cho-Jui Hsieh, และ Mani Srivastava การสนับสนุนเพิ่มเติมมาจาก National Science Foundation, Army Young Investigator Program, Defense Advanced Research Projects Agency, Intrinsic, an Alphabet (GOOG ) (GOOGL ) company, และ Amazon.