Ett team av forskare från MIT har utvecklat en artificiell intelligens som kan lura mänskliga domare att tro att det är en person när det gäller att rita okända brev-liknande tecken.
Du kan tänka på experiment, som beskrivs i nya numret av Science, som en typ av visuell Turing Test. Programvara och en mänsklig visas en ny karaktär—något som ser ut som ett brev, men är inte riktigt. (Du kan se några exempel i bilden ovan.) Sedan, de var båda i uppdrag att tillverka subtila variationer på karaktär. I andra tester, människa och dator i stället levereras med en serie av främmande tecken och bad att få producera en ny som passar med partiet.
Ett team av mänskliga domare var då ombedd att räkna ut vilka resultat som har producerats av datorn, och som av människor. Över alla uppgifter, domare kunde bara identifiera AI: s insatser med cirka 50 procent noggrannhet—det är samma som chans.
(Tror du att du kan göra bättre än domarna? I bilden längst upp, en panel bestående av nio former var som produceras av antingen AI eller en människa för varje tecken. Kan du identifiera vilken panel som genererades av en maskin? Svaren finns längst ner på sidan.)
Det kan tyckas som ett konstigt experiment, men det har några djupgående konsekvenser. Vanligtvis, du ser, AI-system måste vara utbildade på massiva datamängder innan de kan utföra en uppgift. Till skillnad från datorer, människor kan utföra vad forskarna kallar “one-shot lärande” med jämförande lätthet.
Sponsrade
Forskarna tyder på att de har skapat en AI som kan göra samma sak, med hjälp av en teknik som kallas Bayes-Programmet Lärande. Som identifierar och lär sig tecken med en metod som liknar det sätt som människor förstår begrepp. Teamet förklarar hur programmet fungerar:
Medan en konventionell dator program systematiskt bryts ned en hög nivå i sina mest grundläggande beräkningar, en probabilistisk program kräver endast en mycket skissartad modell av data det kommer att fungera på. Slutsats algoritmer sedan fylla i detaljerna i modellen genom att analysera en mängd exempel.
Här, forskarnas modell anges som tecken på mänskliga skriva system består av slag, avgränsade av att lyfta pennan, och att de linjer som består av substrokes, som avgränsas med punkter som pen: s hastighet är noll.
Beväpnad med denna modell, systemet analyseras sedan hundratals av motion-capture-inspelningar av människor att rita karaktärer i flera olika skriftsystem, lärande statistik om relationer mellan varandra följande slag och substrokes liksom på variationen tolereras i utförande av ett enda slag.
Resultaten tycks tala för sig själva, och forskarna är inte alltför blyg om att dölja sin upphetsning. “I den nuvarande AI landskapet, det har varit en hel del fokus på klassificering av mönster, säger Josh Tenenbaum, en av forskarna, i ett pressmeddelande. “Men vad är det som gått förlorat är att intelligens handlar inte bara om att klassificera eller erkänner; det handlar om att tänka. Det är delvis därför, även om vi studerar hand-skrivna tecken, vi är inte blyg om att använda ett ord som ” koncept.’ Eftersom det finns en massa saker som vi gör med ens mycket rikare, mer komplexa begrepp som vi kan göra med dessa tecken. Vi kan förstå vad de är byggda av. Vi kan förstå delar.”
[ Vetenskap, MIT, New York Times]
Svar: Det nät som produceras av AI var, med raden: 1,2,1;2,1,1.