Ta sztuczna inteligencja myśli jak pies

Wszyscy właściciele psów mogą zaświadczyć o potężnej inteligencji swoich czworonożnych przyjaciół. Rzeczywiście, wiele psów świadczy ważne usługi, takie jak prowadzenie osób z wadami wzroku, znajdowanie zagubionych osobników lub wąchanie narkotyków i innej przemytu.

Te zdolności wykraczają poza nawet najpotężniejszą sztuczną inteligencję. A jednak naukowcy zajmujący się sztuczną inteligencją muszą jeszcze z nich skorzystać w szkoleniu systemów sztucznej inteligencji, aby mieć większe możliwości.

Dziś to się zmienia dzięki pracy Kiana Ehsani z University of Washington w Seattle i jej współpracowników, którzy zgromadzili unikalny zestaw danych na temat zachowania psów i wykorzystali go do wytrenowania systemu sztucznej inteligencji do podejmowania decyzji podobnych do psów. Ich podejście otwiera nowy obszar badań nad sztuczną inteligencją, który bada możliwości innych inteligentnych istot na naszej planecie.

Zespół zaczyna od zbudowania bazy danych zachowań psów. Robią to, wyposażając pojedynczego psa w bezwładnościowe jednostki pomiarowe na jego nogach, ogonie i ciele, aby zarejestrować ich względny kąt i bezwzględną pozycję zwierzęcia.

Zamontowali również kamerę GoPro na głowie psa, aby nagrywać scenę wizualną, próbkowaną z częstotliwością pięciu klatek na sekundę, oraz mikrofon na grzbiecie psa, aby nagrywać dźwięk. Dane zostały zarejestrowane przez jednostkę Arduino na grzbiecie psa.

W sumie zespół zebrał około 24 500 klatek wideo ze zsynchronizowanymi danymi dotyczącymi pozycji ciała i ruchu. Wykorzystali 21 000 tych ram do szkolenia AI, a resztę do walidacji i testowania systemu AI.

Zespół zbadał, jak zachowywać się jak pies, planować jak pies i jak uczyć się od psa.

W pierwszym zadaniu celem było przewidzenie przyszłych ruchów psa na podstawie sekwencji obrazów. Sztuczna inteligencja robi to, patrząc na klatki wideo i badając, co pies zrobił dalej.

Ucząc się w ten sposób, system staje się dobry w dokładnym przewidywaniu następnych pięciu ruchów po obejrzeniu sekwencji pięciu obrazów. Nasz model prawidłowo przewiduje przyszłe ruchy psa, obserwując jedynie obrazy, które pies obserwował w poprzednich krokach czasowych, mówią Ehsani i spółka.

Zadanie planowania jest trochę trudniejsze. Celem jest tutaj znalezienie sekwencji działań, które przenoszą psa między lokalizacjami danej pary obrazów. Sztuczna inteligencja ponownie uczy się tego, badając działania związane z szeroką gamą sekwencyjnych klatek wideo.

Po raz kolejny system działa dobrze. Nasze wyniki pokazują, że nasz model przewyższa te punkty odniesienia w trudnym zadaniu planowania jak pies, zarówno pod względem dokładności, jak i zakłopotania, mówi zespół.

Ostatnim zadaniem jest uczenie się na podstawie zachowania psa. Psy uczą się tylko tego, gdzie mogą i nie mogą chodzić. Dlatego zespół korzysta z bazy danych, aby nauczyć sztuczną inteligencję rozpoznawania rodzajów powierzchni, po których można chodzić, i oznaczania ich nowymi obrazami.

To interesująca praca, która pokazuje, w jaki sposób systemy AI mogą dopasowywać się do określonych typów wydajności zwierząt. Mówią, że nasz model uczy się z egocentrycznych informacji wideo i ruchu, aby zachowywać się i planować jak pies w takiej samej sytuacji.

Oczywiście przed nami mnóstwo pracy. Na przykład ta praca zbiera dane od jednego psa. Dlatego zespół chciałby zbadać dane zebrane od wielu różnych psów. To pozwoliłoby im porównać swoje zachowanie i bardziej szczegółowo zrozumieć inteligencję wizualną psów.

Ale nie ma powodu, dla którego podejście miałoby ograniczać się do psów. Można by się wiele nauczyć, zbierając podobne zestawy danych dla małp, zwierząt gospodarskich i wszelkiego rodzaju zwierząt żyjących na wolności. Jak ujęli to Ehsani i współpracownicy: Mamy nadzieję, że ta praca utoruje drogę do lepszego zrozumienia inteligencji wizualnej i innych inteligentnych istot zamieszkujących nasz świat.

Nr ref.: arxiv.org/abs/1803.10827 : Kto wypuścił psy? Modelowanie zachowania psa na podstawie danych wizualnych

ukryć