Babyer er sprudlende, nuttede, fnisende glædeskugler. De er også enormt kraftfulde læremaskiner. Som tre måneder gamle har de allerede intuition om, hvordan tingene omkring dem opfører sig – uden at nogen udtrykkeligt lærer dem spillereglerne.
Denne evne, kaldet "intuitiv fysik", virker ekstremt triviel på overfladen. Hvis jeg fylder et glas med vand og stiller det på bordet, ved jeg, at glasset er en genstand – noget jeg kan vikle mine hænder om, uden at det smelter ind i mine håndflader. Det vil ikke synke gennem bordet. Og hvis det begyndte at svæve, ville jeg stirre og straks løbe ud af døren.
Babyer udvikler hurtigt denne evne ved at opsuge data fra deres eksterne miljøer og danne en slags "sund fornuft" om dynamikken i den fysiske verden. Når tingene ikke bevæger sig som forventet - for eksempel i magiske tricks, hvor genstande forsvinder - vil de vise overraskelse.
For AI er det en helt anden sag. Mens de seneste AI-modeller allerede har bragt mennesker fra spil til årtier gamle løsninger videnskabelige gåder, kæmper de stadig med at udvikle intuition om den fysiske verden.
I denne måned tog forskere hos Google-ejede DeepMind inspiration fra udviklingspsykologi og bygget en AI der naturligt uddrager simple regler om verden gennem at se videoer. Netflix og chill fungerede ikke alene; AI-modellen oun lært reglerne for vores fysiske verden, når de får en grundlæggende idé om objekter, såsom hvad deres grænser er, hvor de er, og hvordan de bevæger sig. I lighed med babyer udtrykte AI "overraskelse", når de blev vist magiske situationer, der ikke gav mening, som en bold, der rullede op ad en rampe.
Døbt PLATO (for Physics Learning through Auto-encoding and Tracking Objects), AI var overraskende fleksibel. Det behøvede kun et relativt lille sæt eksempler for at udvikle sin "intuition". Når den først fandt ud af det, kunne softwaren generalisere sine forudsigelser om, hvordan ting bevægede sig og interagerede med andre objekter, såvel som om scenarier, man aldrig tidligere er stødt på.
På en måde rammer PLATO det søde punkt mellem natur og næring. Udviklingspsykologer har længe diskuteret, om læring hos babyer kan opnås ved at finde mønstre i data alene fra erfaringer. PLATO foreslår, at svaret er nej, i hvert fald ikke til denne særlige opgave. Både indbygget viden og erfaring er afgørende for at fuldende hele læringshistorien.
For at være klar, er PLATO ikke en digital kopi af en tre måneder gammel baby – og blev aldrig designet til at være det. Det giver dog et indblik i, hvordan vores eget sind potentielt udvikler sig.
"Arbejdet ... flytter grænserne for, hvad hverdagserfaring kan og ikke kan redegøre for i form af intelligens," kommenteret Drs. Susan Hespos og Apoorva Shivaram, ved henholdsvis Northwestern University og Western Sydney University, som ikke var involveret i undersøgelsen. Det kan "fortælle os, hvordan man bygger bedre computermodeller, der simulerer det menneskelige sind."
Den sunde fornufts gåde
På kun tre måneder gamle vil de fleste babyer ikke slå et øje, hvis de taber et stykke legetøj, og det falder til jorden; de har allerede taget begrebet tyngdekraft op.
Hvordan det sker, er stadig forvirrende, men der er nogle ideer. I den alder kæmper babyer stadig for at vriste sig, kravle eller på anden måde bevæge sig rundt. Deres input fra omverdenen er for det meste gennem observation. Det er gode nyheder for AI: det betyder, at i stedet for at bygge robotter til fysisk at udforske deres miljø, er det muligt at indgyde en følelse af fysik i AI gennem videoer.
Det er en teori, der er godkendt af Dr. Yann LeCun, en førende AI-ekspert og chef AI-forsker hos Meta. I en tale fra 2019, sagde han, at babyer sandsynligvis lærer gennem observation. Deres hjerner bygger på disse data for at danne en konceptuel idé om virkeligheden. I modsætning hertil kæmper selv de mest sofistikerede deep learning-modeller stadig for at opbygge en følelse af vores fysiske verden, hvilket begrænser, hvor meget de kan engagere sig i verden - hvilket gør dem næsten bogstaveligt talt til at tænke i skyerne.
Så hvordan måler man en babys forståelse af hverdagens fysik? "Heldigvis for os har udviklingspsykologer brugt årtier på at studere, hvad spædbørn ved om den fysiske verden," skrev ledende videnskabsmand Dr. Luis Piloto. En særlig kraftfuld test er violation-of-expectation (VoE) paradigmet. Vis en baby en bold, der ruller op ad en bakke, forsvinder tilfældigt eller pludselig går i den modsatte retning, og babyen vil stirre på anomalien i længere tid, end den ville, når den iagttog sine normale forventninger. Der er noget mærkeligt i vejen.
Space Oddity
I den nye undersøgelse tilpassede holdet VoE til test af AI. De tacklede fem forskellige fysiske koncepter for at bygge PLATO. Blandt dem er soliditet - det vil sige, to genstande kan ikke passere gennem hinanden; og kontinuitet – ideen om, at ting eksisterer og ikke blinker ud, selv når de er skjult af et andet objekt (“kig-a-boo”-testen).
For at bygge PLATO startede holdet først med en standardmetode i AI med en tostrenget tilgang. En komponent, den perceptuelle model, tager visuelle data ind for at parse diskrete objekter i et billede. Dernæst er dynamikforudsigeren, som bruger et neuralt netværk til at overveje historien om tidligere objekter og forudsige adfærden af den næste. Med andre ord bygger modellen en slags "fysikmotor", der kortlægger objekter eller scenarier og gætter på, hvordan noget ville opføre sig i det virkelige liv. Denne opsætning gav PLATO en indledende idé om objekters fysiske egenskaber, såsom deres position og hvor hurtigt de bevæger sig.
Dernæst kom træningen. Holdet viste PLATO under 30 timers syntetiske videoer fra en open source datasæt. Dette er ikke videoer fra begivenheder i det virkelige liv. Forestil dig snarere old-school Nintendo-lignende blokede animationer af en bold, der ruller ned ad en rampe, hopper ind i en anden bold eller pludselig forsvinder. PLATO lærte til sidst at forudsige, hvordan et enkelt objekt ville bevæge sig i det næste videobillede, og opdaterede også sin hukommelse for det objekt. Med træning blev dens forudsigelser på den næste "scene" mere nøjagtige.
Holdet kastede derefter en skruenøgle ind i egerne. De præsenterede PLATO for både en normal scene og en umulig scene, såsom en bold, der pludselig forsvinder. Når de målte forskellen mellem den faktiske begivenhed og PLATOs forudsigelser, kunne holdet måle AI's niveau af "overraskelse" - som gik gennem taget for magiske begivenheder.
Læringen generaliserede til andre bevægelige objekter. Udfordret med en helt anderledes datasæt udviklet af MIT, med blandt andet kaniner og bowlingnåle, skelnede PLATO ekspert mellem umulige og realistiske begivenheder. PLATO havde aldrig "set" en kanin før, men uden nogen form for genoptræning viste den overraskelse, da en kanin trodsede fysikkens love. I lighed med babyer var PLATO i stand til at fange sin fysiske intuition med så lidt som 28 timers videotræning.
Til Hespos og Shivaram: "Disse resultater er også parallelle med karakteristika, som vi ser i spædbørnsstudier."
Digital intuition
PLATO er ikke ment som en kunstig intelligens-model for spædbørns ræsonnement. Men det viser, at det at bruge vores spirende babyhjerne kan inspirere computere med en følelse af fysiskhed, selv når software-"hjernen" bogstaveligt talt er fanget inde i en boks. Det handler ikke kun om at bygge humanoide robotter. Fra proteser til selvkørende biler, et intuitivt greb om den fysiske verden bygger bro mellem den amorfe digitale verden af 0'ere og 1'ere til hver dag, banebrydende virkelighed.
Det er ikke første gang, AI-forskere tænker på at sætte gang i maskinsind med et strejf af småbørns opfindsomhed. En idé er at give AI en følelse af teori om sindet – evnen til at adskille sig fra andre og være i stand til at forestille sig selv i andres sko. Det er en evne, der kommer naturligt for børn omkring fire år gamle, og hvis den er indlejret i AI-modeller, kan den dramatisk hjælpe dem med at forstå sociale interaktioner.
Den nye undersøgelse bygger på vores første måneder i livet som en rig ressource til at udvikle AI med sund fornuft. Indtil videre er feltet kun i sin vorden. Forfatterne frigiver deres datasæt, så andre kan bygge videre på og udforske en AI-models evne til at interagere med mere komplekse fysiske koncepter, herunder videoer fra den virkelige verden. For nu, "kan disse undersøgelser tjene som en synergistisk mulighed på tværs af AI og udviklingsvidenskab," sagde Hespos og Shivaram.
