아기는 쾌활하고, 꼭 껴안고, 킥킥 웃는 기쁨의 공입니다. 그들은 또한 엄청나게 강력한 학습 기계입니다. 생후 XNUMX개월이 되면 게임 규칙을 명시적으로 가르치는 사람 없이 이미 주변 사물이 어떻게 행동하는지 직관력이 있습니다.
"직관적 물리학"이라고 불리는 이 능력은 표면적으로는 극히 사소해 보입니다. 잔에 물을 채우고 탁자 위에 올려 놓으면 잔이 물건이라는 것을 알 수 있습니다. 손바닥에서 녹지 않고 손을 감쌀 수 있는 것입니다. 그것은 테이블을 통해 가라 앉지 않을 것입니다. 그리고 그것이 공중에 뜨기 시작하면 나는 쳐다보고 즉시 문을 뛰쳐 나갈 것입니다.
아기는 외부 환경에서 데이터를 흡수하여 이 능력을 빠르게 개발하고 물리적 세계의 역학에 대한 일종의 "상식"을 형성합니다. 사물이 예상대로 움직이지 않을 때, 예를 들어 사물이 사라지는 마술처럼 사물은 놀라움을 표시합니다.
AI의 경우 완전히 다른 문제입니다. 최근 AI 모델은 이미 게임 플레이에서 수십 년 된 문제 해결에 이르기까지 인간을 이겼습니다. 과학적 수수께끼, 그들은 여전히 물리적 세계에 대한 직관력을 개발하는 데 어려움을 겪고 있습니다.
이번 달에 Google 소유의 DeepMind 연구원들은 발달 심리학과 인공 지능을 구축 동영상 시청을 통해 세상의 간단한 규칙을 자연스럽게 추출합니다. Netflix와 Chill은 자체적으로 작동하지 않았습니다. AI 모델 o네이 경계가 무엇인지, 어디에 있는지, 어떻게 움직이는지와 같은 객체에 대한 기본 아이디어가 주어졌을 때 물리적 세계의 규칙을 배웠습니다. 아기와 마찬가지로 AI는 공이 경사로를 굴러가는 것처럼 이해할 수 없는 마법 같은 상황을 보여줄 때 "놀라움"을 표현했습니다.
PLATO(Auto-encoding and Tracking Objects를 통한 물리 학습)라고 불리는 AI는 놀라울 정도로 유연했습니다. "직관"을 개발하는 데는 비교적 적은 수의 예만 있으면 됩니다. 일단 그것이 학습되면 소프트웨어는 사물이 어떻게 이동하고 다른 객체와 상호 작용하는지에 대한 예측과 이전에 경험하지 못한 시나리오에 대한 예측을 일반화할 수 있습니다.
어떤 면에서 PLATO는 자연과 양육 사이의 스위트 스폿을 찾습니다. 발달 심리학자들은 아기의 학습이 경험에서 얻은 데이터 패턴을 찾는 것으로부터 달성될 수 있는지에 대해 오랫동안 논쟁해 왔습니다. PLATO는 적어도 이 특정 작업에 대한 대답은 아니오라고 제안합니다. 기본 제공 지식과 경험 모두 전체 학습 스토리를 완료하는 데 중요합니다.
분명히 하자면 PLATO는 XNUMX개월 된 아기의 디지털 복제품이 아니며 그렇게 되도록 설계된 것도 아닙니다. 그러나 그것은 우리 자신의 마음이 잠재적으로 어떻게 발전하는지를 엿볼 수 있게 해줍니다.
"작업은 지능 측면에서 일상적인 경험이 설명할 수 있는 것과 설명할 수 없는 것의 경계를 넓히고 있습니다." 댓글 박사 각각 연구에 참여하지 않은 노스웨스턴 대학교와 웨스턴 시드니 대학교의 Susan Hespos와 Apoorva Shivaram. "인간의 마음을 시뮬레이션하는 더 나은 컴퓨터 모델을 만드는 방법을 알려줄 수 있습니다."
상식적인 수수께끼
생후 XNUMX개월에 대부분의 아기는 장난감을 떨어뜨리고 땅에 떨어지면 눈을 떼지 않습니다. 그들은 이미 중력의 개념을 집어 들었습니다.
이것이 어떻게 일어나는지는 여전히 당혹스럽지만 몇 가지 아이디어가 있습니다. 그 나이에 아기는 여전히 꿈틀거리거나 기어 다니거나 다른 방법으로 움직이는 데 어려움을 겪습니다. 외부 세계로부터의 입력은 대부분 관찰을 통해 이루어집니다. 이는 AI에게 좋은 소식입니다. 즉, 물리적으로 환경을 탐색하기 위해 로봇을 만드는 대신 비디오를 통해 AI에 물리학 감각을 불어넣는 것이 가능하다는 의미입니다.
Meta의 선도적인 AI 전문가이자 수석 AI 과학자인 Dr. Yann LeCun이 승인한 이론입니다. 2019년 강연에서, 그는 아기가 관찰을 통해 학습할 가능성이 있다고 가정했습니다. 그들의 두뇌는 현실에 대한 개념적 아이디어를 형성하기 위해 이러한 데이터를 기반으로 합니다. 대조적으로, 가장 정교한 딥 러닝 모델조차도 우리의 물리적 세계에 대한 감각을 구축하는 데 여전히 어려움을 겪습니다. 이는 그들이 세상과 얼마나 많이 참여할 수 있는지를 제한하여 거의 말 그대로 클라우드에 마음이 가게 만듭니다.
그렇다면 일상적인 물리학에 대한 아기의 이해를 어떻게 측정할 수 있습니까? "다행히도 발달 심리학자들은 수십 년 동안 유아가 물리적 세계에 대해 알고 있는 것을 연구해 왔습니다." 쓴 수석 과학자 Dr. Luis Piloto. 특히 강력한 테스트 중 하나는 기대 위반(VoE) 패러다임입니다. 아기에게 공이 언덕을 굴러 올라가거나 무작위로 사라지거나 갑자기 반대 방향으로 가는 것을 보여주면 아기는 정상적인 기대를 관찰할 때보다 더 오랫동안 이상을 응시할 것입니다. 뭔가 이상합니다.
우주의 이상
새로운 연구에서 팀은 AI 테스트를 위해 VoE를 적용했습니다. 그들은 PLATO를 구축하기 위해 XNUMX가지 다른 물리적 개념을 다루었습니다. 그 중에는 견고성(Solidity)이 있습니다. 즉, 두 객체는 서로를 통과할 수 없습니다. 그리고 연속성 - 사물이 존재하고 다른 물체에 의해 숨겨져도 깜박이지 않는다는 아이디어("피카부" 테스트).
PLATO를 구축하기 위해 팀은 먼저 두 갈래의 접근 방식으로 AI의 표준 방법으로 시작했습니다. 한 구성 요소인 지각 모델은 시각적 데이터를 가져와 이미지의 개별 개체를 구문 분석합니다. 다음은 신경망을 사용하여 이전 객체의 기록을 고려하고 다음 객체의 동작을 예측하는 역학 예측기입니다. 다시 말해, 이 모델은 객체 또는 시나리오를 매핑하고 실제 생활에서 어떤 것이 어떻게 동작할지 추측하는 일종의 "물리 엔진"을 구축합니다. 이 설정은 PLATO에게 위치 및 이동 속도와 같은 물체의 물리적 속성에 대한 초기 아이디어를 제공했습니다.
다음은 훈련이었다. 팀은 PLATO에서 30시간 미만의 합성 비디오를 보여주었습니다. 오픈 소스 데이터 세트. 실제 사건의 영상이 아닙니다. 오히려, 램프를 굴러 내려가는 공, 다른 공에 튀거나 갑자기 사라지는 구식 Nintendo와 같은 블록 애니메이션을 상상해보십시오. PLATO는 결국 단일 개체가 다음 비디오 프레임에서 어떻게 이동할지 예측하는 방법을 배웠고 해당 개체에 대한 메모리도 업데이트했습니다. 훈련을 통해 다음 "장면"에 대한 예측이 더 정확해졌습니다.
그런 다음 팀은 스포크에 렌치를 던졌습니다. 그들은 PLATO에게 공이 갑자기 사라지는 것과 같은 정상적인 장면과 불가능한 장면을 모두 제시했습니다. 실제 사건과 PLATO의 예측 사이의 차이를 측정할 때 팀은 AI의 "놀라움" 수준을 측정할 수 있었습니다.
학습은 다른 움직이는 물체로 일반화됩니다. 로 도전 완전히 다른 데이터 세트 MIT에서 개발한 토끼와 볼링 핀이 특징인 PLATO는 불가능한 사건과 현실적 사건을 전문적으로 구별합니다. PLATO는 이전에 토끼를 "본" 적이 없었지만 재훈련 없이 토끼가 물리학 법칙을 무시했을 때 놀라움을 보였습니다. 아기와 마찬가지로 PLATO는 28시간의 짧은 비디오 교육으로 신체적 직관을 포착할 수 있었습니다.
Hespos와 Shivaram에게 "이러한 발견은 또한 우리가 유아 연구에서 볼 수 있는 특성과 유사합니다."
디지털 직관
PLATO는 유아 추론을 위한 AI 모델이 아닙니다. 그러나 소프트웨어 "두뇌"가 말 그대로 상자 안에 갇힌 경우에도 급성장하는 아기 두뇌를 활용하면 컴퓨터에 물리적 감각을 부여할 수 있음을 보여줍니다. 휴머노이드 로봇을 만드는 것만이 아닙니다. 인공 보철에서 자율 주행 자동차에 이르기까지 물리적 세계에 대한 직관적인 이해는 0과 1의 무정형 디지털 세계를 일상적인 평범한 현실로 연결합니다.
AI 과학자들이 유아의 독창성으로 기계의 두뇌를 터보 차지하려고 생각한 것은 이번이 처음이 아닙니다. 하나의 아이디어 AI에게 다른 사람과 자신을 구별할 수 있는 능력, 다른 사람의 입장에서 생각할 수 있는 마음 이론의 감각을 부여하는 것입니다. 이는 XNUMX세 정도의 아이들에게 자연스럽게 나타나는 능력이며 AI 모델에 내장되면 사회적 상호 작용을 이해하는 데 극적으로 도움이 될 수 있습니다.
새로운 연구는 상식으로 AI를 개발하기 위한 풍부한 자원으로서 우리의 초기 몇 개월을 기반으로 합니다. 현재 이 분야는 초기 단계에 불과합니다. 저자는 다른 사람들이 실제 세계의 비디오를 포함하여 더 복잡한 물리적 개념과 상호 작용하는 AI 모델의 기능을 구축하고 탐색할 수 있도록 데이터 세트를 공개하고 있습니다. 현재로서는 이러한 연구가 AI와 발달 과학 전반에 걸쳐 시너지 효과를 낼 수 있는 기회가 될 수 있다고 Hespos와 Shivaram이 말했습니다.
