展會(huì)信息港展會(huì)大全

Yann LeCun:教會(huì)AI像孩子一樣觀察,可能是邁向更智能系統(tǒng)的途徑
來源:互聯(lián)網(wǎng)   發(fā)布日期:2024-02-08 06:57:09   瀏覽:11991次  

導(dǎo)讀:人類嬰兒具有令人羨慕的能力。盡管他們要在很長一段時(shí)間里完全依賴父母才能生存下去,但他們可以做到一些很了不起的事情。 嬰兒自帶對(duì)這個(gè)世界物理規(guī)律的理解,即使能吸收的信息很有限,他們也能很快地學(xué)會(huì)新概念和新語言。 (來源:AI 生成) 即使是我們今...

人類嬰兒具有令人羨慕的能力。盡管他們要在很長一段時(shí)間里完全依賴父母才能生存下去,但他們可以做到一些很了不起的事情。

嬰兒自帶對(duì)這個(gè)世界物理規(guī)律的理解,即使能吸收的信息很有限,他們也能很快地學(xué)會(huì)新概念和新語言。

Yann LeCun:教會(huì)AI像孩子一樣觀察,可能是邁向更智能系統(tǒng)的途徑

(來源:AI 生成)

即使是我們今天擁有的最強(qiáng)大的人工智能系統(tǒng)也缺乏這些能力。例如,為 ChatGPT 等系統(tǒng)提供動(dòng)力的大型語言模型非常善于預(yù)測句子中的下一個(gè)單詞,但在常識(shí)性方面遠(yuǎn)遠(yuǎn)比不上嬰兒。

但如果人工智能可以像嬰兒一樣學(xué)習(xí)呢?人工智能模型通常是在由數(shù)十億個(gè)數(shù)據(jù)點(diǎn)組成的龐大數(shù)據(jù)集上訓(xùn)練的。

美國紐約大學(xué)的研究人員想看看,當(dāng)這些模型在一個(gè)小得多的數(shù)據(jù)集上訓(xùn)練時(shí),它們能做到什么。

他們用一個(gè)正在學(xué)習(xí)說話的孩子所經(jīng)歷的景象和聲音作為數(shù)據(jù)。令人驚訝的是,人工智能模型學(xué)到了很多東西。而這要?dú)w功于一個(gè)名叫山姆的好奇寶寶。

在山姆六個(gè)月大的時(shí)候,研究人員就開始偶爾把相機(jī)綁在他的頭上,在之后的一年半里,他經(jīng)常戴著相機(jī)進(jìn)行日;顒(dòng)。

卡桑德拉威拉德(Cassandra Willyard)表示,他收集的材料使研究人員能夠教會(huì)神經(jīng)網(wǎng)絡(luò)將單詞與它們所代表的物體進(jìn)行匹配。

嬰兒讓我們離教會(huì)計(jì)算機(jī)像人類一樣學(xué)習(xí)又近了一步,這項(xiàng)研究只是一次嘗試,最終目的是構(gòu)建出和我們一樣智能的人工智能系統(tǒng)。嬰兒是敏銳的觀察者和優(yōu)秀的學(xué)習(xí)者,多年來一直啟發(fā)著研究人員。

嬰兒也會(huì)通過試錯(cuò)來學(xué)習(xí),隨著我們對(duì)世界的了解越來越多,人類也變得越來越聰明。發(fā)展心理學(xué)家說,嬰兒對(duì)接下來會(huì)發(fā)生什么事情有一種直覺。

例如,即使球被藏起來,他們也知道球仍然存在。他們還知道球是實(shí)心的,不會(huì)突然改變形狀,它會(huì)在沒有障礙物的道路上滾動(dòng),不會(huì)突然傳送到其他地方。

谷歌 DeepMind 的研究人員試圖通過訓(xùn)練一個(gè)模型來教會(huì)人工智能系統(tǒng)具有同樣的“直覺物理感”,該模型通過關(guān)注視頻中的物體(對(duì)象)而不是單個(gè)像素來學(xué)習(xí)物體的運(yùn)動(dòng)方式。他們使用了數(shù)十萬個(gè)視頻訓(xùn)練模型,以了解物體的行為。

理論上,如果嬰兒對(duì)突然從窗戶飛出的球感到驚訝,那是因?yàn)槲矬w的運(yùn)動(dòng)方式違背了嬰兒對(duì)物理的理解。

谷歌 DeepMind 的研究人員也設(shè)法讓他們的人工智能系統(tǒng)在物體“違背”其該有的移動(dòng)方式時(shí)表現(xiàn)出“驚訝”。

圖靈獎(jiǎng)得主、Meta 首席人工智能科學(xué)家楊立昆(Yann LeCun)認(rèn)為,教人工智能系統(tǒng)像孩子一樣觀察世界,可能是邁向更智能系統(tǒng)的途徑。

他說,人類的大腦中有一個(gè)世界模擬或“世界模型”,使我們能夠直觀地知道世界是三維的,物體在離開視野時(shí)并不會(huì)真正消失。

它可以讓我們預(yù)測幾秒鐘后一個(gè)彈跳的球或一輛超速行駛的自行車會(huì)出現(xiàn)在哪里。目前楊立昆正忙于構(gòu)建全新的人工智能架構(gòu),這些架構(gòu)的靈感來自于人類的學(xué)習(xí)方式。

今天的人工智能系統(tǒng)擅長于完成特定的任務(wù),比如下棋或生成看起來像人類書寫的文本。但與人類大腦相比,這些系統(tǒng)簡直弱爆了。

它們?nèi)狈ΤWR(shí),無法在混亂的世界中完美運(yùn)行,無法進(jìn)行更復(fù)雜的推理,也無法更好地幫助人類。研究嬰兒的學(xué)習(xí)方式可以幫助我們釋放這些能力。

作者簡介:梅麗莎;R(Melissa Heikkil)是《麻省理工科技評(píng)論》的資深記者,她著重報(bào)道人工智能及其如何改變我們的社會(huì)。此前,她曾在 POLITICO 撰寫有關(guān)人工智能政策和政治的文章。她還曾在《經(jīng)濟(jì)學(xué)人》工作,并曾擔(dān)任新聞主播。

支持:Ren

運(yùn)營/排版:何晨龍

贊助本站

相關(guān)內(nèi)容
AiLab云推薦
展開

熱門欄目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能實(shí)驗(yàn)室 版權(quán)所有    關(guān)于我們 | 聯(lián)系我們 | 廣告服務(wù) | 公司動(dòng)態(tài) | 免責(zé)聲明 | 隱私條款 | 工作機(jī)會(huì) | 展會(huì)港