Badacze znów traktują sieć neuronową jak małe dziecko

Nauka podstawowych zasad fizyki rządzących światem zaczyna się już w pierwszym roku życia, kiedy dziecko zaczyna mieć kontrolę nad ruchem swoich rączek i nóżek (zamiast zachowywać się jak wywrócony na plecy chrabąszcz). Maluch zaczyna wtedy łapać rzeczy, które są w zasięgu i eksperymentuje z nimi. Poza najpowszechniejszym chyba odruchem pchania wszystkiego do buzi (bo trzeba przecież skosztować jak smakuje ten znaleziony pod kanapą psi chrupek, który pewnie jest starszy niż samo dziecko) jest też odruch popychania, ciągnięcia albo rzucania obiektami, które dziecku wpadły w ręce. W ten sposób dziecko uczy się fizyki. Rzeczy pociągnięte przewracają się w naszą stronę, popchnięte w stronę przeciwną, rzucone – spadają (albo rozbijają się na tysiąc kawałków. Przepraszam mamo za ten wazon). Luis Piloto z zespołu DeepMind  wraz ze współpracownikami postanowili podobne doświadczenia dać sieci neuronowej.

Jakiś czas temu pisaliśmy na temat zmiany podejścia do nauczania AI, które miałyby teraz doskonalić się krok po kroku, w modelu bardziej przypominającym nauczanie małego dziecka. Badania zaproponowane przez DeepMind zdają się być rozwinięciem tej myśli. Zwłaszcza, że badacze postarali się by zaimplementować mechanizm zdziwienia, kiedy obserwowany obiekt zachowa się niezgodnie z przewidywaniami.

Sieć neuronowa nazwana PLATO (Physics Learning through Auto-encoding and Tracking Objects) została wyszkolona na podstawie około 30 godzin filmów przedstawiających w ruchu proste obiekty w rodzaju sześciennych klocków i kul. Uczył się reakcji na zmianę położenia elementów i ich prędkości. Najważniejsze wzorce, jakie AI zdołała sobie utrwalić wiązały się ze stałą ciągłością istnienia obiektu. Przykładowo tocząca się kulka poruszała się nieprzerwanie nadaną jej trajektorią z miejsca A do miejsca B, zamiast po prostu teleportować się z jednego punktu do drugiego.

Drugą istotną sprawą była solidność prezentowanych elementów, która nie dopuszczała na zmianę ich kształtu oraz przenikanie się między sobą.

PLATO po przeszkoleniu nabył zdolności przewidywania dalszych ruchów elementów, które były na przedstawionym mu filmie. Jednak kiedy obiekt na ekranie zachowywał się niezgodnie z przewidywaniami AI okazywało zaskoczenie. Miarą tego zaskoczenia dla badaczy była wielkość różnicy pomiędzy sytuacją na filmie a przewidywaniem wygenerowanym przez PLATO.

Należy pamiętać, ze PLATO nie jest modelem zachowania symulującym ludzkie niemowlęta. Jednak wyniki przez niego przedstawione mogą zostać wykorzystane do testowania hipotez dotyczących procesu uczenia się dzieci.

Miejmy nadzieję, że zaawansowane prace nas Sztuczną inteligencją o jakich słyszy się ostatnio coraz częściej doprowadzą wkrótce badaczy do ciekawych konkluzji dotyczących też nas samych.

Źródło: nature.com