Bebekler kabarcıklı, sevimli, kıkırdayan neşe toplarıdır. Onlar aynı zamanda son derece güçlü öğrenme makineleridir. Üç aylıkken, etraflarındaki şeylerin nasıl davrandığına dair zaten sezgileri var; üstelik kimse onlara oyunun kurallarını açıkça öğretmiyor.
"Sezgisel fizik" olarak adlandırılan bu yetenek, ilk bakışta son derece önemsiz görünüyor. Bir bardağı suyla doldurup masanın üzerine koyduğumda, bardağın bir nesne olduğunu biliyorum; avuçlarımda erimeden ellerimle sarabileceğim bir şey. Masanın içinden geçmeyecek. Ve eğer havaya uçmaya başlarsa, bakardım ve hemen kapıdan dışarı koşardım.
Bebekler, dış çevrelerinden veri alarak, fiziksel dünyanın dinamikleri hakkında bir tür "sağduyu" oluşturarak bu yeteneği hızla geliştirirler. İşler beklendiği gibi ilerlemediğinde (mesela nesnelerin kaybolduğu sihir numaralarında) şaşkınlık göstereceklerdir.
Yapay zeka için bu tamamen farklı bir konu. Son zamanlardaki yapay zeka modelleri, insanları oyun oynamaktan on yıllardır süren sorunları çözmeye kadar geride bırakmış durumda. bilimsel bilmecelerhala fiziksel dünyayla ilgili sezgilerini geliştirmekte zorlanıyorlar.
Bu ay, Google'ın sahibi olduğu DeepMind'daki araştırmacılar gelişim psikolojisinden ilham aldı ve bir yapay zeka inşa etti Bu, videoları izleyerek doğal olarak dünyayla ilgili basit kuralları ortaya çıkarıyor. Netflix ve chill tek başına işe yaramadı; yapay zeka modelinly Nesnelerin sınırlarının ne olduğu, nerede oldukları ve nasıl hareket ettikleri gibi temel bir fikir verildiğinde fiziksel dünyamızın kurallarını öğrendik. Bebeklere benzer şekilde yapay zeka, bir topun rampada yuvarlanması gibi anlamsız büyülü durumlar gösterildiğinde "şaşkınlığını" ifade etti.
PLATO (Otomatik Kodlama ve Nesneleri Takip Etme Yoluyla Fizik Öğrenimi için) olarak adlandırılan yapay zeka şaşırtıcı derecede esnekti. "Sezgisini" geliştirmek için yalnızca nispeten küçük bir dizi örneğe ihtiyacı vardı. Yazılım bunu öğrendiğinde, nesnelerin nasıl hareket ettiği ve diğer nesnelerle nasıl etkileşime girdiğinin yanı sıra daha önce hiç karşılaşılmayan senaryolar hakkındaki tahminlerini genelleştirebiliyordu.
PLATO bir bakıma doğa ile yetiştirme arasındaki hassas noktaya ulaşıyor. Gelişim psikologları, bebeklerde öğrenmenin yalnızca deneyimlerden elde edilen verilerdeki kalıpları bularak başarılabileceğini uzun süredir tartışıyorlar. PLATO, en azından bu özel görev için cevabın hayır olduğunu öne sürüyor. Hem yerleşik bilgi hem de deneyim, tüm öğrenme öyküsünü tamamlamak için kritik öneme sahiptir.
Açıkça söylemek gerekirse PLATO, üç aylık bir bebeğin dijital kopyası değildir ve asla öyle tasarlanmamıştır. Ancak, kendi zihinlerimizin potansiyel olarak nasıl geliştiğine dair bir fikir veriyor.
“Çalışma… günlük deneyimin zeka açısından açıklayabileceği ve açıklayamayacağı şeylerin sınırlarını zorluyor” yorumladı Dr. Çalışmaya dahil olmayanlar sırasıyla Northwestern Üniversitesi ve Western Sidney Üniversitesi'nden Susan Hespos ve Apoorva Shivaram. "Bize insan zihnini simüle eden daha iyi bilgisayar modellerinin nasıl oluşturulacağını söyleyebilir."
Sağduyu Bilmecesi
Henüz üç aylıkken çoğu bebek, bir oyuncağı düşürüp yere düştüğünde gözünü bile kırpmaz; yer çekimi kavramını çoktan kavramışlar.
Bunun nasıl olduğu hala kafa karıştırıcı, ancak bazı fikirler var. Bu yaşta bebekler hâlâ kıvranma, emekleme veya başka bir şekilde hareket etme konusunda zorluk çekerler. Dış dünyadan girdileri çoğunlukla gözlem yoluyla sağlanır. Bu, yapay zeka için harika bir haber: Bu, çevrelerini fiziksel olarak keşfedecek robotlar oluşturmak yerine, videolar aracılığıyla yapay zekaya fizik duygusunu aşılamanın mümkün olduğu anlamına geliyor.
Bu, Meta'nın önde gelen yapay zeka uzmanı ve baş yapay zeka bilimcisi Dr. Yann LeCun tarafından desteklenen bir teoridir. 2019'daki bir konuşmadaBebeklerin muhtemelen gözlem yoluyla öğrendiklerini öne sürdü. Beyinleri bu verilere dayanarak kavramsal bir gerçeklik fikri oluşturur. Buna karşılık, en karmaşık derin öğrenme modelleri bile hala fiziksel dünyamıza dair bir fikir oluşturmakta zorlanıyor, bu da dünyayla ne kadar etkileşimde bulunabileceklerini sınırlıyor ve bu da onların neredeyse kelimenin tam anlamıyla bulutların üzerinde düşünmelerine neden oluyor.
Peki bir bebeğin günlük fizik anlayışını nasıl ölçersiniz? "Şanslıyız ki, gelişim psikologları onlarca yıldır bebeklerin fiziksel dünya hakkında neler bildiğini araştırıyor." yazdı baş bilim adamı Dr. Luis Piloto. Özellikle güçlü bir test, beklentilerin ihlali (VoE) paradigmasıdır. Bir bebeğe tepeden yukarı doğru yuvarlanan, rastgele kaybolan veya aniden ters yöne giden bir top gösterin; bebek anormalliğe normal beklentilerini yerine getirdiğinden daha uzun süre bakacaktır. Garip bir şeyler oluyor.
Space Oddity
Yeni çalışmada ekip, yapay zekayı test etmek için VoE'yi uyarladı. PLATO'yu oluşturmak için beş farklı fiziksel konsepti ele aldılar. Bunların arasında katılık yani iki nesnenin birbirinden geçememesi; ve süreklilik - nesnelerin var olduğu ve başka bir nesne tarafından gizlendiğinde bile yanıp sönmediği fikri (“ce-e” testi).
PLATO'yu oluşturmak için ekip ilk olarak yapay zekada iki yönlü bir yaklaşıma sahip standart bir yöntemle başladı. Bileşenlerden biri olan algısal model, bir görüntüdeki ayrı nesneleri ayrıştırmak için görsel verileri alır. Sonraki, önceki nesnelerin geçmişini dikkate almak ve bir sonraki nesnenin davranışını tahmin etmek için bir sinir ağını kullanan dinamik tahmin aracıdır. Başka bir deyişle model, nesneleri veya senaryoları haritalayan ve bir şeyin gerçek hayatta nasıl davranacağını tahmin eden bir tür "fizik motoru" oluşturur. Bu kurulum PLATO'ya nesnelerin konumları ve ne kadar hızlı hareket ettikleri gibi fiziksel özellikleri hakkında bir başlangıç fikri verdi.
Daha sonra eğitim geldi. Ekip, PLATO'ya 30 saatin altında sentetik videolar gösterdi. açık kaynaklı veri kümesi. Bunlar gerçek hayattaki olaylara ait videolar değil. Bunun yerine, bir topun rampadan aşağı yuvarlandığını, başka bir topa sıçradığını veya aniden ortadan kaybolduğunu gösteren eski tarz Nintendo benzeri bloklu animasyonları hayal edin. PLATO sonunda tek bir nesnenin bir sonraki video karesinde nasıl hareket edeceğini tahmin etmeyi öğrendi ve aynı zamanda o nesneye ilişkin hafızasını da güncelledi. Eğitimle birlikte bir sonraki “sahneye” ilişkin tahminleri daha doğru hale geldi.
Ekip daha sonra jant tellerine bir İngiliz anahtarı attı. PLATO'ya hem normal hem de bir topun aniden kaybolması gibi imkansız bir sahne sundular. Gerçek olay ile PLATO'nun tahminleri arasındaki farkı ölçerken ekip, yapay zekanın "sürpriz" düzeyini ölçebildi; bu da büyülü olaylar açısından tavan yaptı.
Öğrenme diğer hareketli nesnelere genelleştirildi. Bir ile meydan okudu tamamen farklı veri seti MIT tarafından geliştirilen ve diğer öğelerin yanı sıra tavşanlar ve bowling lobutlarını da içeren PLATO, imkansız ve gerçekçi olaylar arasında ustalıkla ayrım yaptı. PLATO daha önce hiç tavşan "görmemişti", ancak herhangi bir yeniden eğitim almadan, bir tavşanın fizik kanunlarına meydan okuması karşısında şaşkınlık gösterdi. PLATO, bebeklere benzer şekilde, 28 saat gibi kısa bir video eğitimi ile fiziksel sezgilerini yakalamayı başardı.
Hespos ve Shivaram'a göre, "Bu bulgular aynı zamanda bebek çalışmalarında gördüğümüz özelliklerle de paralel."
Dijital Sezgi
PLATO, bebeklerin akıl yürütmesine yönelik bir yapay zeka modeli olarak tasarlanmamıştır. Ancak yazılım "beyni" kelimenin tam anlamıyla bir kutunun içinde hapsolmuş olsa bile, gelişen bebek beyinlerimizden yararlanmanın bilgisayarlara fiziksellik duygusuyla ilham verebileceğini gösteriyor. Bu sadece insansı robotlar yapmakla ilgili değil. Protezlerden sürücüsüz arabalara kadar, fiziksel dünyanın sezgisel bir şekilde kavranması, 0'lar ve 1'lerin amorf dijital dünyasını günlük, sıradan gerçeklikle birleştiriyor.
Bu, yapay zeka bilim adamlarının makine zihinlerini bir miktar küçük çocuk yaratıcılığıyla turboşarj etmeyi düşünmeleri ilk kez değil. Bir fikir Yapay zekaya bir zihin teorisi duygusu kazandırmak, yani kendisini diğerlerinden ayırt etme yeteneği ve kendisini başkalarının yerinde hayal edebilme becerisi kazandırmaktır. Bu, dört yaş civarındaki çocuklar için doğal olarak gelen bir yetenektir ve yapay zeka modellerine dahil edilirse, sosyal etkileşimleri anlamasına önemli ölçüde yardımcı olabilir.
Yeni çalışma, yapay zekayı sağduyuyla geliştirmek için zengin bir kaynak olarak hayatımızın ilk aylarına dayanıyor. Şu an için bu alan henüz emekleme aşamasında. Yazarlar, başkalarının bir yapay zeka modelinin gerçek dünyadan videolar da dahil olmak üzere daha karmaşık fiziksel kavramlarla etkileşime girme yeteneğini geliştirmesi ve keşfetmesi için veri kümelerini yayınlıyor. Hespos ve Shivaram, şimdilik "bu çalışmalar yapay zeka ve gelişimsel bilim arasında sinerjik bir fırsat olarak hizmet edebilir" dedi.
