211service.com
L'IA armata di più sensi potrebbe acquisire un'intelligenza più flessibile
L'intelligenza umana emerge dalla nostra combinazione di sensi e abilità linguistiche. Forse lo stesso vale per l'intelligenza artificiale.
Disegno Selman
24 febbraio 2021
Perchè importa:L'intelligenza artificiale in grado di percepire e parlare sarà molto più efficace nell'affrontare nuove sfide e nel lavorare a fianco delle persone.
Giocatori chiave:• IA aperta
• AI2
• Facebook
Disponibilità:Ora
Alla fine del 2012, gli scienziati dell'IA hanno capito per la prima volta come ottenerlo reti neurali da vedere. Hanno dimostrato che il software progettato per imitare vagamente il cervello umano potrebbe migliorare notevolmente i sistemi di visione artificiale esistenti. Da allora il campo ha imparato come fare in modo che le reti neurali imitino il modo in cui noi ragionare, ascoltare, parlare e scrivere .
Ma mentre l'intelligenza artificiale è diventata notevolmente simile a quella umana, persino sovrumana, al raggiungimento di un compito specifico, non cattura ancora la flessibilità del cervello umano. Possiamo apprendere abilità in un contesto e applicarle a un altro. Al contrario, sebbene l'algoritmo di gioco di DeepMind AlphaGo può battere i migliori maestri di Go del mondo, non può estendere quella strategia oltre il tabellone. Gli algoritmi di deep learning, in altre parole, sono maestri nel cogliere schemi, ma non possono capire e adattarsi a un mondo che cambia.
Questa storia faceva parte del nostro numero di marzo 2021
- Vedi il resto del problema
- sottoscrivi
I ricercatori hanno molte ipotesi su come superare questo problema, ma una in particolare ha guadagnato terreno. I bambini imparano a conoscere il mondo sentendolo e parlandone. La combinazione sembra fondamentale. Quando i bambini iniziano ad associare le parole a immagini, suoni e altre informazioni sensoriali, sono in grado di descrivere fenomeni e dinamiche sempre più complicati, separare ciò che è causale da ciò che riflette solo la correlazione e costruire un modello sofisticato del mondo. Questo modello li aiuta quindi a navigare in ambienti sconosciuti e a contestualizzare nuove conoscenze ed esperienze.
Storia correlata
L'IA di DeepMind ha ora superato quasi tutti i giocatori umani di StarCraft II AlphaStar ha collaborato con se stesso per apprendere nuove strategie per conquistare il popolare gioco di guerra galattica.I sistemi di intelligenza artificiale, d'altra parte, sono costruiti per fare solo una di queste cose alla volta. Gli algoritmi di visione artificiale e di riconoscimento audio possono percepire le cose ma non possono usare il linguaggio per descriverle. Un modello di linguaggio naturale può manipolare le parole, ma le parole sono distaccate da qualsiasi realtà sensoriale. Se i sensi e il linguaggio fossero combinati per dare un AI un modo più simile a quello umano per raccogliere ed elaborare nuove informazioni , potrebbe finalmente sviluppare qualcosa di simile a una comprensione del mondo?
La speranza è che questi sistemi multimodali, con accesso sia alle modalità sensoriali che linguistiche dell'intelligenza umana, diano origine a un tipo di IA più robusto che possa adattarsi più facilmente a nuove situazioni o problemi. Tali algoritmi potrebbero quindi aiutarci ad affrontare problemi più complessi o essere trasferiti in robot in grado di comunicare e collaborare con noi nella nostra vita quotidiana.
I nuovi progressi negli algoritmi di elaborazione del linguaggio come GPT-3 di OpenAI hanno aiutato. I ricercatori ora capiscono come replicare la manipolazione del linguaggio abbastanza bene da rendere potenzialmente più fruttuosa la combinazione con le capacità di rilevamento. Per cominciare, stanno utilizzando la prima capacità di rilevamento raggiunta dal campo: la visione artificiale. I risultati sono semplici modelli bimodali, o IA del linguaggio visivo .
Nell'ultimo anno, ci sono stati diversi risultati entusiasmanti in questo settore. A settembre, i ricercatori dell'Allen Institute for Artificial Intelligence, AI2, hanno creato un modello che può generare un'immagine da una didascalia di testo , dimostrando la capacità dell'algoritmo di associare parole con informazioni visive. A novembre, i ricercatori dell'Università della Carolina del Nord, a Chapel Hill, hanno sviluppato un metodo che incorpora le immagini nei modelli linguistici esistenti , che ha migliorato la comprensione della lettura dei modelli.
202110 tecnologie rivoluzionarie
OpenAI ha quindi utilizzato queste idee per estendere GPT-3. All'inizio del 2021, il laboratorio ha rilasciato due modelli di linguaggio visivo. Si collegano gli oggetti in un'immagine alle parole che li descrivono in una didascalia. L'altro genera immagini basate su una combinazione dei concetti che ha appreso. Puoi richiedergli, ad esempio, di produrre un dipinto di un capibara seduto in un campo all'alba. Anche se potrebbe non averlo mai visto prima, può mescolare e abbinare ciò che sa di dipinti, capibara, campi e albe per inventare dozzine di esempi.
Raggiungere un'intelligenza più flessibile non sbloccherebbe solo nuove applicazioni di intelligenza artificiale: le renderebbe anche più sicure.
Sistemi multimodali più sofisticati renderanno possibile anche di più assistenti robotici avanzati (pensa ai maggiordomi robot, non solo ad Alexa). L'attuale generazione di robot basati sull'intelligenza artificiale utilizza principalmente dati visivi per navigare e interagire con l'ambiente circostante. È utile per completare attività semplici in ambienti vincolati, come l'evasione degli ordini in un magazzino. Ma laboratori come AI2 stanno lavorando per aggiungere linguaggio e incorporare più input sensoriali, come dati audio e tattili, in modo che le macchine possano comprendere i comandi ed eseguire operazioni più complesse, come aprire una porta quando qualcuno bussa.
A lungo termine, le scoperte multimodali potrebbero aiutare a superare alcuni dei maggiori limiti dell'IA. Gli esperti sostengono, ad esempio, che la sua incapacità di comprendere il mondo è anche il motivo per cui può facilmente fallire o essere ingannato. (Un'immagine può essere alterata in un modo che è impercettibile per gli esseri umani, ma fa sì che un'IA la identifichi come qualcosa di completamente diverso.) Raggiungere un'intelligenza più flessibile non sbloccherebbe solo nuove applicazioni di intelligenza artificiale: le renderebbe anche più sicure. Gli algoritmi che proiettano i curriculum non tratterebbero caratteristiche irrilevanti come il sesso e la razza come segni di abilità. Le auto a guida autonoma non perderebbero l'orientamento in un ambiente sconosciuto e si schianterebbero al buio o in caso di neve. I sistemi multimodali potrebbero diventare le prime IA di cui possiamo davvero fidarci per le nostre vite.