欢迎光临
我们一直在努力
您的位置:首页>资讯 >

科学家正在赋予人工智能想象从未见过的事物的能力

事实证明,人工智能(AI) 非常擅长某些任务——比如发明实际上并不存在的人脸,或者赢得扑克游戏——但是当涉及到人类自然而然地做的事情时,这些网络仍然很挣扎:想象。

一旦人类知道猫是什么,我们就可以很容易地想象出不同颜色的猫,不同姿势的猫,或不同环境中的猫。对于 AI 网络,这要困难得多,即使它们在看到猫时就能认出它(经过足够的训练)。

为了尝试和释放人工智能的想象力,研究人员提出了一种新方法,使人工智能系统能够计算出物体应该是什么样子,即使他们以前从未真正见过完全一样的物体。

“我们受到人类视觉泛化能力的启发,试图在机器中模拟人类的想象力,”南加州大学 (USC) 的计算机科学家 Yunhao Ge 说。

“人类可以通过属性(例如形状、姿势、位置、颜色)分离他们学到的知识,然后将它们重新组合以想象一个新对象。我们的论文试图使用神经网络来模拟这个过程。”

关键是外推——能够使用大量的训练数据(如汽车图片),然后超越所见即所得。这对 AI 来说很困难,因为它通常被训练以发现特定模式而不是更广泛的属性。

团队在这里提出的方法称为可控解开表征学习,它使用一种类似于用于创建深度伪造的方法——解开样本的不同部分(因此在深度伪造视频的情况下,分离面部运动和面部身份) )。

这意味着,如果 AI 看到一辆红色汽车和一辆蓝色自行车,它就能够为自己“想象”一辆红色自行车——即使它以前从未见过。研究人员将其整合到一个他们称之为小组监督学习的框架中。

该技术的主要创新之一是成组而不是单独处理样本,并在此过程中在它们之间建立语义联系。然后,AI 能够识别它所看到的样本中的异同,并利用这些知识产生全新的东西。

南加州大学计算机科学家 Laurent Itti 说:“这种新的解开方法第一次真正释放了人工智能系统的新想象力,使它们更接近人类对世界的理解。”

这些想法并不是全新的,但研究人员在这里更深入地研究了这些概念,使该方法更加灵活并与其他类型的数据兼容。他们还使该框架开源,因此其他科学家可以更轻松地使用它。

未来,这里开发的系统可以通过从方程中删除更敏感的属性来防止人工智能偏见——例如,帮助制造没有种族主义或性别歧视的神经网络。

研究人员说,同样的方法也可以应用于医学和自动驾驶汽车领域,人工智能能够“想象”新药,或者可视化过去没有经过专门训练的新道路场景。

“深度学习已经在许多领域展示了无与伦比的性能和前景,但这往往是通过浅层模仿发生的,并且没有更深入地了解使每个对象独一无二的独立属性,”Itti 说。

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。