Нова техніка дозволяє штучному інтелекту інтуїтивно розуміти фізику

Штучний інтелект уже деякий час може розвивати розуміння фізики за допомогою підкріплення, але нова техніка, розроблена дослідниками з MIT, може допомогти інженерам проектувати моделі, які демонструють інтуїтивне розуміння фізики.

Психологічні дослідження показали, що люди мають певне інтуїтивне розуміння законів фізики. Немовлята мають очікування щодо того, як повинні взаємодіяти об’єкти та рухатися, і порушення цих очікувань викликають у них реакцію здивування. Дослідження, проведене командою MIT, має потенціал не тільки розширити застосування штучного інтелекту, але й допомогти психологам зрозуміти, як немовлята сприймають і вчаться про світ.

Модель, розроблена командою MIT, називається ADEPT, і вона функціонує шляхом прогнозування поведінки об’єктів у фізичному просторі. Модель спостерігає за об’єктами та відстежує метрику “здивування”, коли це робить. Якщо відбувається щось несподіване, модель реагує збільшенням значення здивування. Несподівані та неможливі дії, такі як телепортація об’єкта або його повне зникнення, викликають різке збільшення здивування.

Метою дослідницької команди було досягнення рівня здивування моделі, подібного до рівня здивування людей, коли вони бачать об’єкти, що поводяться в неможливих способах.

ADEPT складається з двох основних компонентів: фізичної машини та модуля зворотної графіки. Фізична машина відповідає за прогнозування руху об’єкта, передбачаючи майбутнє представлення об’єкта з набору можливих станів. Модуль зворотної графіки відповідає за створення представлень об’єктів, які будуть надані фізичній машині.

Модуль зворотної графіки відстежує кілька атрибутів, таких як швидкість, форма та орієнтація об’єкта, витягуючи цю інформацію з кадрів відео. Модуль зворотної графіки фокусується лише на найбільш важливих деталях, ігноруючи деталі, які не допоможуть фізичній машині інтерпретувати об’єкт та передбачити нові стани. Завдяки фокусуванню на найбільш важливих деталях модель краще узагальнює нові об’єкти. Фізична машина потім приймає ці описи об’єктів та симулює більш складну фізичну поведінку, таку як рідкість або жорсткість, щоб зробити передбачення щодо поведінки об’єкта.

Після цього процесу модель спостерігає фактичний наступний кадр відео, який вона використовує для перерахування ймовірнісного розподілу щодо можливої поведінки об’єкта. Здивування обернено пропорційно ймовірності того, що подія повинна відбутися, реєструючи велике здивування лише тоді, коли є велика розбіжність між тим, що модель вважає, що повинно відбутися далі, та тим, що насправді відбувається.

Дослідницька команда потребувала деякого способу порівняти здивування своєї моделі з здивуванням людей, які спостерігають за тим же поведінкою об’єктів. У розвитку психології дослідники часто тестиють немовлят, показуючи їм два різні відео. У одному відео об’єкт представлений так, як очікується у реальному світі, без спонтанної гри, зникнення чи телепортації. У іншому відео об’єкт порушує закони фізики якимось чином. Дослідницька команда взяла ці самі базові концепції та мала 60 дорослих дивитися 64 різні відео очікуваної та несподіваної фізичної поведінки. Учасникам було запропоновано оцінити своє здивування в різних моментах відео за шкалою від 1 до 100.

Аналіз продуктивності моделі показав, що вона досить добре працює на відео, де об’єкт переміщується за стіну та зникає, коли стіна видаляється, зазвичай збігшись з рівнем здивування людей у цих випадках. Модель також здивувалася відео, де люди не демонстрували здивування, але могли б це зробити. Наприклад, щоб об’єкт міг переміститися за стіну зі швидкістю та одразу ж вийти на інший бік стіни, він повинен був би або телепортуватися, або пережити різке збільшення швидкості.

При порівнянні з продуктивністю традиційних нейронних мереж, які можуть навчатися на спостереженні, але не явно реєструють представлення об’єкта, дослідники виявили, що мережа ADEPT була значно більш точною у розрізенні здивувальних та нездивувальних сцен та що продуктивність ADEPT збігалася з людськими реакціями ближче.

Команда дослідників MIT планує проводити подальші дослідження та здобувати глибші знання про те, як немовлята спостерігають за світом та вчаться з цих спостережень, включно свої висновки у нові версії моделі ADEPT.