Ein team von Forschern am MIT entwickelt hat, ein ki-system, das kann täuschen menschlichen Richter zu denken, es ist eine person, wenn es um die Zeichnung nicht vertraut buchstabenähnliche Zeichen.
Sie können denken, das experiment, detaillierte in der neuen Ausgabe der Wissenschaft, als eine Art visuelle Turing-Test. Die software und ein Mensch wird ein neuer Charakter—etwas, das aussieht wie ein Brief, aber nicht ganz. (Einige Beispiele finden Sie in dem Bild oben.) Dann waren Sie beide fragte, zu produzieren subtilen Variationen auf Charakter. In anderen tests, die Mensch und computer wurden stattdessen geliefert mit einer Reihe von unbekannten Zeichen und bat um eine neue zu produzieren eine, die passt mit der Gruppe.
Ein team von menschlichen Richter wurde dann aufgefordert, die Ergebnisse wurden produziert von computer, und die durch den Menschen. Über alle Aufgaben, die Richter könnten nur identifizieren, die AI ‘ s Bemühungen mit über 50 Prozent Genauigkeit—das ist das gleiche als chance.
(Denken Sie besser machen können, als die Richter? Im Bild oben, ein Gremium von neun Formen hergestellt wurde, indem Sie entweder die KI oder einen Menschen für jeden Charakter. Können Sie erkennen, welche panel wurde von einer Maschine? Die Antworten werden am Ende der Seite.)
Es mag wie eine seltsame experiment, aber es hat einige tiefgreifende Auswirkungen. In der Regel werden Sie sehen, KI-Systeme müssen geschult werden, auf riesige Datenmengen, bevor Sie eine Aufgabe ausführen. Im Gegensatz zu Computern, Menschen durchführen können, was die Forscher als “one-shot-learning” mit verhältnismäßig leicht.
Gesponsert
Die Forscher schlagen vor, dass Sie erstellt haben, eine KI, die das gleiche tun können, mit einer Technik namens Bayes-Programm Lernen. Erkennt und lernt Zeichen mit einem Ansatz, der auf ähnliche Weise, wie Menschen zu verstehen, Konzepte. Das team erklärt, wie die software funktioniert:
In der Erwägung, dass eine herkömmliche computer-Programm systematisch zersetzt eine high-level task in seiner einfachsten Berechnungen, die eine probabilistische Programm benötigt nur eine sehr lückenhaft Modell die Daten, die es betreiben. Inferenz-algorithmen dann füllen Sie die details des Modells durch die Analyse einer Vielzahl von Beispielen.
Hier das Modell der Forscher angegeben, dass die Zeichen in der menschlichen schreiben-Systeme bestehen aus Strichen, abgegrenzt durch die Aufhebung des Stiftes, und die Striche bestehen aus substrokes, abgegrenzt durch die Punkte, an denen der Stift die Geschwindigkeit null ist.
Bewaffnet mit diesem Modell, das system analysiert Hunderte von motion-capture-Aufnahmen von Menschen zeichnen-Zeichen in verschiedenen Schriftsysteme, lernen Statistiken über die Beziehungen zwischen aufeinanderfolgenden Hüben und substrokes sowie auf die variation vertragen in der Ausführung der Schlag.
Die Ergebnisse scheint für sich selbst zu sprechen—und die Forscher sind auch nicht zu schüchtern und verstecken Ihre Aufregung. “In der aktuellen AI-Landschaft, es gibt eine Menge Fokus auf die Klassifizierung von mustern”, sagt Josh Tenenbaum, einer der Forscher, in einer Pressemitteilung. “Aber was ist verloren gegangen ist, dass Intelligenz nicht nur über die Klassifizierung oder erkennen; es geht darum, zu denken. Dies ist zum Teil, warum, obwohl wir studierten hand geschriebene Zeichen, wir sind nicht schüchtern, etwa mit einem Wort wie ” Konzept.’ Da gibt es ein paar Dinge, die wir tun, mit noch viel reicher, komplexer Konzepte, die wir tun können, die mit diesen Buchstaben. Wir verstehen können, was Sie gebaut aus. Wir können verstehen, die Teile.”
[ Wissenschaft, MIT der New York Times]
Antwort: Die Gitter produziert von AI wurden, durch die Zeile: 1,2,1;2,1,1.