智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
明基環(huán)保
如果有人拿著一張鱷魚的照片，問你它是不是一只鳥，那么你可能會嘲笑他的無知。但如果對方是一個機器人呢？根據(jù)最新的一項科學(xué)研究，如果人工智能提出的蠢問題獲得更多的正確答案，那么人工智能或許會變得更加聰明。
這種方法可以幫助人工智能研究人員更快地設(shè)計程序，這些程序可以完成從診斷疾病到引導(dǎo)機器人或其他設(shè)備自行在家中進行的所有工作。
來自 Google 的計算機科學(xué)家娜塔莎·雅克(Natasha Jaques)表示：“這真的是非?？岬墓ぷ?rdquo;。他雖然沒有參與到本次研究中，但卻是機器學(xué)習(xí)領(lǐng)域的大拿。
很多人工智能實現(xiàn)“更聰明”的途徑往往簡單粗暴，主要依靠機器學(xué)習(xí)，培訓(xùn)大量數(shù)據(jù)并從中找到某種模式。例如，想要讓人工智能知道什么是椅子，那么就向其展示數(shù)千張椅子圖片，然后識別椅子。
但即使是巨大的數(shù)據(jù)集也存在空白區(qū)的。例如，如果圖像中的某個物體可以標(biāo)記為一把椅子，但人工智能不會去了解這把椅子是由什么制成的？人能坐在上面嗎？
為了幫助 AI 擴展他們對世界的理解，研究人員現(xiàn)在正試圖開發(fā)一種方法，讓計算機程序不僅能夠定位其認知中的空白區(qū)，而且還能向陌生人詢問這些知識空白的內(nèi)容，這有點像是孩子問父母為什么天空是藍色的。這項新研究的最終目標(biāo)是讓人工智能能夠正確回答有關(guān)它以前從未見過的圖像的各種問題。
這種“主動學(xué)習(xí)”也有相關(guān)的研究，只不過在這些研究中人工智能會評估自己的知識盲區(qū)并要求獲得更多信息，通常要求研究人員支付在線工作人員提供此類信息的費用。因此這種方式無法大規(guī)模擴展。
由蘭杰·克里希納帶領(lǐng)的斯坦?？蒲袌F隊在其發(fā)布的最新論文中表示，現(xiàn)在在西雅圖華盛頓大學(xué)培訓(xùn)了一個機器學(xué)習(xí)系統(tǒng)，不僅能夠自己定位自己的知識盲區(qū)，并且會以多張圖片的方式來描述問題，以希望從耐心的陌生人處獲得答案。例如“水槽的形狀是什么？”，回答是“方形”。
北卡羅來納大學(xué)教堂山分校的社會心理學(xué)家?guī)鞝柼?middot;格雷(Kurt Gray)表示：“這種情況下，人工智能有點像個孩子”。雖然他沒有參與這個項目，但是他是人機交互方面的資深專家。
該團隊“獎勵”了它的人工智能寫出可理解的問題：當(dāng)人們真正回答了一個問題時，系統(tǒng)會收到反饋，告訴它調(diào)整其內(nèi)部運作，以便在未來表現(xiàn)出類似的行為。隨著時間的推移，人工智能隱含地學(xué)習(xí)了語言和社會規(guī)范方面的課程，磨練了它提出有意義且易于回答的問題的能力。
新的人工智能有幾個組成部分，其中一些是神經(jīng)網(wǎng)絡(luò)，受大腦結(jié)構(gòu)啟發(fā)的復(fù)雜數(shù)學(xué)函數(shù)。 “有許多動人的部分......都需要一起發(fā)揮，”克里希納說。一個組件在 Instagram 上選擇了一張圖片(比如日落)，第二個組件詢問了有關(guān)該圖片的問題，例如，“這張照片是在晚上拍攝的嗎？”其他組件從讀者的反應(yīng)中提取事實并從中了解圖像。
該團隊今天在《美國國家科學(xué)院院刊》上報告說，在 8 個月和超過 200,000 個 Instagram 問題中，該系統(tǒng)回答與其提出的問題類似的問題的準(zhǔn)確性提高了 118%。一個在 Instagram 上發(fā)布問題但未經(jīng)過明確培訓(xùn)以最大化響應(yīng)率的比較系統(tǒng)僅將其準(zhǔn)確性提高了 72%，部分原因是人們更頻繁地忽略了它
Jaques 說，主要的創(chuàng)新是獎勵讓人類做出反應(yīng)的系統(tǒng)，“從技術(shù)角度來看，這并不瘋狂，但從研究方向的角度來看非常重要。” Instagram 上的大規(guī)模真實部署也給她留下了深刻的印象。 (人類在發(fā)布之前檢查了所有 AI 生成的問題是否有冒犯性材料。)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
