[Машинное обучение, Научно-популярное, Искусственный интеллект] Исследователи обучили ИИ познавать мир путем поиска спрятанных вещей
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
Исследователи AI2 заявили, что обучили агентов ИИ искать спрятанные в смоделированном доме предметы. В ходе игры под названием «Тайник» агенты ищут помидоры, буханки хлеба, чашки и ножи.
Агентов обучали с подкреплением. Изначально у них не было никакого представления о трехмерной визуальной среде. Агенты совершали случайные действия, например, тянули за ручку ящика или бросали предметы в случайные места. Тогда исследователи организовали игру, в ходе которой агентам нужно было соревноваться друг с другом и одновременно извлекать уроки. К примеру, если ищущий агент не нашел спрятанный помидор, то тот, кто прятал его, понимал, что выбрал хорошее место.
«Для нас вопрос заключался в следующем: может ли агент узнавать самые простые вещи об объектах и их атрибутах, взаимодействуя с ними?» — отмечает Анируддха Кембхави, менеджер по исследованиям группы компьютерного зрения AI2.
После того, как агенты AI2 овладели игрой, исследователи провели тесты, призванные проверить их понимание мира. Сначала они протестировали агентов на компьютерных изображениях комнат, попросив их предсказать такие характеристики, как глубину резкости и геометрию объектов. По сравнению с моделью, обученной на ImageNet, агенты AI2 показали аналогичные и иногда даже более высокие результаты. Агентов также протестировали на фотографиях реальных комнат. В этот раз их результаты оказались несколько ниже, чем у модели, обученной на ImageNet.Однако исследователей, скорее, интересовало, усвоили ли агенты ИИ определенные базовые элементы понимания мироустройства. Они обнаружили, что модели понимают принципы постоянства объектов и могут ранжировать изображения в зависимости от того, сколько свободного места они содержат.В 2019 году игровой процесс уже использовали в проекте OpenAI. Тогда агенты искали стратегии, которые, как предполагалось, были невозможными в игровой среде. Игорь Мордач, один из исследователей OpenAI, теперь отметил, что важность исследования AI2 именно в том, что агенты фокусируются на «внутренних представлениях о мире».Извините, данный ресурс не поддреживается. :( Другие рецензенты материала также отмечают важность того, что работа бросает вызов традиционному способу пассивного обучения систем пассивно, а также объединяет идеи из различных дисциплин (психологии и машинного обучения).Исследователи AI2 говорят, что динамическое понимание агентами того, как объекты действуют во времени и пространстве, в будущем может быть полезно для создания роботов. Сами они не собираются проводить эксперименты с реальными роботами. Соавтор исследования Рузбех Мотаги говорит, что существует серьезная проблема безопасности, так как агенты часто делают случайные вещи. Ранее о важности обучения ИИ «человеческим» навыкам говорил исследователь искусственного интеллекта Франсуа Шоле, инженер-программист в Google, создавший библиотеку для нейросетей Keras. В своей статье «Об измерении Интеллекта» Шоле отмечает, что для реального прогресса исследователям нужно перестать смотреть на популярные бенчмарки, такие, как видеоигры или настольные игры, а стоит начать думать о развитии у ИИ навыков обобщения и адаптации.
===========
Источник:
habr.com
===========
Похожие новости:
- [Читальный зал, Научно-популярное, Мозг] Что такое свидетельство?
- [Научно-популярное] Как сделать аденовирусную вакцину? (перевод)
- [Научно-популярное, Космонавтика, Астрономия] Астероид FarFarOut официально признан самым удаленным объектом Солнечной системы
- [Визуализация данных, Бизнес-модели, Дизайн, Научно-популярное] Карта дизайна организационных систем и бизнес-процессов
- [Обработка изображений, Машинное обучение, Искусственный интеллект, Медгаджеты, Мозг] Модель машинного обучения восстановила изображения, которые видел человек
- [Python, Big Data, Машинное обучение, Natural Language Processing] Как с помощью нейросети определить лучшую дату отправки email и повысить доход рассылки в 8,5 раз
- [Python, Машинное обучение, Искусственный интеллект] Генерация текста с помощью GPT2 и PyTorch (перевод)
- [Параллельное программирование, Исследования и прогнозы в IT, Распределённые системы, Искусственный интеллект] Вычислительная система пятого поколения
- [Научно-популярное, Биотехнологии, Игры и игровые приставки, Мозг] Исследователи научили свиней играть в видеоигру
- [Машинное обучение, Искусственный интеллект] Исследователи создали систему на ИИ, которая тренирует собак
Теги для поиска: #_mashinnoe_obuchenie (Машинное обучение), #_nauchnopopuljarnoe (Научно-популярное), #_iskusstvennyj_intellekt (Искусственный интеллект), #_iskusstvennyj_intellekt (искусственный интеллект), #_mashinnoe_obuchenie (машинное обучение), #_obuchenie_nejrosetej (обучение нейросетей), #_obuchenie_s_podkrepleniem (обучение с подкреплением), #_igrovoj_protsess (игровой процесс), #_myshlenie (мышление), #_mashinnoe_obuchenie (
Машинное обучение
), #_nauchnopopuljarnoe (
Научно-популярное
), #_iskusstvennyj_intellekt (
Искусственный интеллект
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 23-Ноя 01:00
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
|
Исследователи AI2 заявили, что обучили агентов ИИ искать спрятанные в смоделированном доме предметы. В ходе игры под названием «Тайник» агенты ищут помидоры, буханки хлеба, чашки и ножи.  Агентов обучали с подкреплением. Изначально у них не было никакого представления о трехмерной визуальной среде. Агенты совершали случайные действия, например, тянули за ручку ящика или бросали предметы в случайные места. Тогда исследователи организовали игру, в ходе которой агентам нужно было соревноваться друг с другом и одновременно извлекать уроки. К примеру, если ищущий агент не нашел спрятанный помидор, то тот, кто прятал его, понимал, что выбрал хорошее место.  «Для нас вопрос заключался в следующем: может ли агент узнавать самые простые вещи об объектах и их атрибутах, взаимодействуя с ними?» — отмечает Анируддха Кембхави, менеджер по исследованиям группы компьютерного зрения AI2.  После того, как агенты AI2 овладели игрой, исследователи провели тесты, призванные проверить их понимание мира. Сначала они протестировали агентов на компьютерных изображениях комнат, попросив их предсказать такие характеристики, как глубину резкости и геометрию объектов. По сравнению с моделью, обученной на ImageNet, агенты AI2 показали аналогичные и иногда даже более высокие результаты. Агентов также протестировали на фотографиях реальных комнат. В этот раз их результаты оказались несколько ниже, чем у модели, обученной на ImageNet.Однако исследователей, скорее, интересовало, усвоили ли агенты ИИ определенные базовые элементы понимания мироустройства. Они обнаружили, что модели понимают принципы постоянства объектов и могут ранжировать изображения в зависимости от того, сколько свободного места они содержат.В 2019 году игровой процесс уже использовали в проекте OpenAI. Тогда агенты искали стратегии, которые, как предполагалось, были невозможными в игровой среде. Игорь Мордач, один из исследователей OpenAI, теперь отметил, что важность исследования AI2 именно в том, что агенты фокусируются на «внутренних представлениях о мире».Извините, данный ресурс не поддреживается. :( Другие рецензенты материала также отмечают важность того, что работа бросает вызов традиционному способу пассивного обучения систем пассивно, а также объединяет идеи из различных дисциплин (психологии и машинного обучения).Исследователи AI2 говорят, что динамическое понимание агентами того, как объекты действуют во времени и пространстве, в будущем может быть полезно для создания роботов. Сами они не собираются проводить эксперименты с реальными роботами. Соавтор исследования Рузбех Мотаги говорит, что существует серьезная проблема безопасности, так как агенты часто делают случайные вещи. Ранее о важности обучения ИИ «человеческим» навыкам говорил исследователь искусственного интеллекта Франсуа Шоле, инженер-программист в Google, создавший библиотеку для нейросетей Keras. В своей статье «Об измерении Интеллекта» Шоле отмечает, что для реального прогресса исследователям нужно перестать смотреть на популярные бенчмарки, такие, как видеоигры или настольные игры, а стоит начать думать о развитии у ИИ навыков обобщения и адаптации. =========== Источник: habr.com =========== Похожие новости:
Машинное обучение ), #_nauchnopopuljarnoe ( Научно-популярное ), #_iskusstvennyj_intellekt ( Искусственный интеллект ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 23-Ноя 01:00
Часовой пояс: UTC + 5