연구원들은 신경망을 다시 어린아이처럼 취급하고 있습니다.

블록이 떨어지는 것을 지켜보십시오 – 붐!

세상을 지배하는 물리학의 기본 원리에 대한 연구는 아이가 (거꾸로 된 벌레처럼 행동하는 대신) 팔과 다리의 움직임을 제어하기 시작하는 생후 첫 해에 시작됩니다. 그런 다음 아기는 손이 닿는 곳에 있는 물건을 잡고 실험하기 시작합니다. 아마도 모든 것을 입에 채우는 가장 흔한 반사에 더하여(아마도 아이보다 나이가 더 많은 소파 아래에서 발견되는 개 크런치의 맛을 맛보아야 하기 때문에), 밀고 당기거나 밀거나 당기는 반사도 있습니다. 아이의 입에 떨어진 물건을 던지기.팔. 이것은 아이가 물리학을 배우는 방법입니다. 뻗어있는 물건이 우리를 향해 떨어지고 반대 방향으로 밀고 던지고 떨어집니다 (또는 천 조각으로 부서집니다. 꽃병에 유감입니다, 엄마).

얼마 전 우리는 이제 단계적으로 개선될 AI 학습에 대한 접근 방식을 어린 아이를 가르치는 것과 같은 모델로 변경하는 것에 대해 썼습니다. DeepMind가 제안한 연구는 이 아이디어를 확장하는 것 같습니다. 게다가 연구자들은 관찰된 물체가 예상대로 행동하지 않을 때 놀라운 메커니즘을 구현하려고 시도했습니다.

가상 블록

PLATO(Automatic Object Coding and Tracking을 통한 물리 학습)라는 신경망은 정육면체 블록 및 구와 같이 움직이는 단순한 물체를 보여주는 약 30시간 분량의 비디오로 훈련되었습니다. 그는 요소의 위치와 속도의 변화에 ​​반응하는 법을 배웠습니다. AI가 정립할 수 있었던 가장 중요한 패턴은 객체의 존재의 지속적인 연속성과 관련이 있었습니다. 예를 들어, 구르는 공은 한 지점에서 다른 지점으로 순간이동하는 것이 아니라 A 지점에서 B 지점으로 궤적을 따라 계속 움직였습니다.

두 번째 중요한 문제는 제시된 요소의 강도로 모양이 변경되거나 서로 침투하지 못했습니다.

공은 있어, 공은 없어

훈련 후 PLATO는 그에게 제공된 영화에 있는 요소의 추가 움직임을 예측하는 능력을 획득했습니다. 하지만 화면의 물체가 AI가 예측한 대로 동작하지 않을 때 놀라움을 보였다. 연구원들에게 이 놀라움의 척도는 영화의 상황과 PLATO가 생성한 예측 간의 차이의 크기였습니다.

PLATO는 인간 아기를 모방하는 행동 모델이 아님을 기억하십시오. 그러나 그 결과는 어린이 학습에 대한 가설을 테스트하는 데 사용할 수 있습니다.

최근 들어 우리가 들은 최첨단 AI 작업이 곧 연구자들이 우리 자신에 대해 흥미로운 결론을 내리도록 하기를 바랍니다.

출처: nature.com