為“脆弱”的人工智能算法帶來常識(shí)

人工智能研發(fā)的持續(xù)重新校準(zhǔn)強(qiáng)調(diào)了機(jī)器學(xué)習(xí)的一個(gè)基本原則：我們必須先學(xué)會(huì)爬行，然后才能走路。

到目前為止，人工智能的炒作主要是在談?wù)摱皇窃谧呗??；氐剿坪跏枪こ痰谝辉淼臇|西，美國(guó)的研究工作正試圖超越目前僅擅長(zhǎng)特定任務(wù)的“脆弱”人工智能模型。目標(biāo)是開發(fā)更通用的模型，可以像人類在新情況下一樣適應(yīng)。

在這些努力中，有一個(gè)由美國(guó)國(guó)防高級(jí)研究計(jì)劃局 (DARPA) 監(jiān)督的機(jī)器常識(shí)計(jì)劃，該計(jì)劃旨在為機(jī)器學(xué)習(xí)模型注入地球上最快的學(xué)習(xí)者(嬰兒)所展示的各種常見推理。

“最先進(jìn)的人工智能或機(jī)器學(xué)習(xí)的挑戰(zhàn)之一是它往往非常狹窄，因此它專注于特定任務(wù)并且不能很好地概括，”一個(gè)程序馬特圖雷克說DARPA 信息創(chuàng)新辦公室經(jīng)理。

Turek 說，與人工智能研究人員一起，DARPA 已經(jīng)招募了兒童行為心理學(xué)家來繪制和編碼“受嬰兒?jiǎn)l(fā)的常識(shí)”。“0 到 18 個(gè)月的孩子可能是世界上最好的學(xué)習(xí)者。他們探索更多，并且在某些方面比成年人承擔(dān)更多風(fēng)險(xiǎn)?！?

由此產(chǎn)生的常識(shí)性 AI 算法將為機(jī)器學(xué)習(xí)模型注入對(duì) AI 推理所需的對(duì)象、位置、關(guān)系和其他屬性的更一般理解。

DARPA 的常識(shí)性方法旨在通過“學(xué)習(xí)這些常識(shí)性事實(shí)，將它們應(yīng)用于新情況，并在我們的學(xué)習(xí)過程中更加靈活和適應(yīng)”，從而超越當(dāng)前狹隘的 AI 系統(tǒng)，Turek 說?！斑@些對(duì)于擁有更強(qiáng)大、更通用的系統(tǒng)至關(guān)重要?！?

該研究工作還尋求開發(fā)更廣泛的知識(shí)和推理技術(shù)存儲(chǔ)庫，使機(jī)器學(xué)習(xí)模型能夠以人類通過經(jīng)驗(yàn)所做的方式適應(yīng)不同的問題。

為此，為期四年的工作是基于大型、精選數(shù)據(jù)集和隨附的推理能力來編譯大型常識(shí)知識(shí)庫。該計(jì)劃還更多地利用模擬生成的合成訓(xùn)練數(shù)據(jù)。

一個(gè)輸出是知識(shí)圖，語義數(shù)據(jù)網(wǎng)絡(luò)，表示關(guān)于特定對(duì)象的事實(shí)以及它與其他對(duì)象的關(guān)系。然后，該語義數(shù)據(jù)網(wǎng)絡(luò)，或現(xiàn)實(shí)世界的情況、對(duì)象和概念以及它們之間的關(guān)系，將在人工智能系統(tǒng)中進(jìn)行擴(kuò)展。Turek 在接受采訪時(shí)補(bǔ)充說，該研究機(jī)構(gòu)希望應(yīng)用深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)來開發(fā)“這種方法的新傾向”。

他補(bǔ)充說，目標(biāo)是“大型常識(shí)知識(shí)庫”。

在另一條軌道上，人工智能研究人員正在應(yīng)用現(xiàn)有的基準(zhǔn)并探索新的指標(biāo)，以試圖衡量在機(jī)械敏銳度方面取得的進(jìn)展。例如，網(wǎng)絡(luò)瀏覽已被用于組裝能夠回答基于自然語言和圖像的查詢的機(jī)器常識(shí)存儲(chǔ)庫。該結(jié)果已 針對(duì)面向機(jī)器常識(shí)的艾倫人工智能研究所基準(zhǔn)進(jìn)行了測(cè)試。

“這些都是我們?cè)谡麄€(gè)計(jì)劃中持續(xù)評(píng)估自己的方式的一部分，”Turek 說。

在其起步階段，常識(shí)性人工智能似乎正在從爬行過渡到邁出第一步，試探性的步驟?！拔覀兙嚯x高度信任的關(guān)鍵任務(wù)系統(tǒng)還有很長(zhǎng)的路要走，該系統(tǒng)具有人類學(xué)習(xí)的靈活性和人類所擁有的知識(shí)廣度，”Turek 承認(rèn)。盡管如此，從事機(jī)器常識(shí)工作的大學(xué)研究人員正在靈活學(xué)習(xí)等領(lǐng)域取得進(jìn)展，將他們的早期成果應(yīng)用于機(jī)器人系統(tǒng)。

“如果你的機(jī)器人從未接受過樓梯訓(xùn)練，它還能處理樓梯嗎?這就是這些算法開始展示的東西?！?

在另一個(gè)例子中，Turek 指出，俄勒岡州立大學(xué)工程師開發(fā)的雙足機(jī)器人最近完成了 5K 步跑。

這位 DARPA 官員承認(rèn)，這些早期的機(jī)器人技術(shù)進(jìn)步與人類理解世界的能力相去甚遠(yuǎn)。盡管如此，Turek 總結(jié)說，這些演示代表了“這些更靈活的學(xué)習(xí)算法可以展示一些具體的、現(xiàn)實(shí)世界的效用的有希望的早期跡象。”