Questa IA pensa come un cane

Tutti i proprietari di cani possono testimoniare la potente intelligenza dei loro amici a quattro zampe. In effetti, molti cani forniscono servizi importanti, come guidare le persone ipovedenti, trovare individui smarriti o fiutare droghe e altro contrabbando.

Queste capacità sono al di là anche della più potente intelligenza artificiale. Eppure i ricercatori di intelligenza artificiale devono ancora trarne vantaggio per addestrare i sistemi di intelligenza artificiale a essere più capaci.

Oggi le cose cambiano grazie al lavoro di Kiana Ehsani dell'Università di Washington a Seattle e colleghi, che hanno raccolto un set di dati unico sul comportamento canino e lo hanno utilizzato per addestrare un sistema di intelligenza artificiale per prendere decisioni simili a quelle dei cani. Il loro approccio apre una nuova area di ricerca sull'IA che studia le capacità di altri esseri intelligenti sul nostro pianeta.

Il team inizia costruendo un database sul comportamento del cane. Lo fanno equipaggiando un singolo cane con unità di misura inerziale su zampe, coda e corpo per registrare il loro angolo relativo e la posizione assoluta dell'animale.

Hanno anche montato una videocamera GoPro sulla testa del cane per registrare la scena visiva, campionata a una frequenza di cinque fotogrammi al secondo, e un microfono sulla schiena del cane per registrare il suono. I dati sono stati registrati da un'unità Arduino sul dorso del cane.

In totale, il team ha raccolto circa 24.500 fotogrammi video con posizione del corpo sincronizzata e dati sui movimenti. Hanno utilizzato 21.000 di questi frame per l'addestramento all'IA e il resto per la convalida e il test del sistema di intelligenza artificiale.

Il team ha studiato come comportarsi come un cane, come pianificare come un cane e come imparare da un cane.

Nel primo compito, l'obiettivo era di prevedere i movimenti futuri del cane data una sequenza di immagini. L'IA lo fa guardando i fotogrammi video e studiando cosa ha fatto il cane dopo.

Imparando in questo modo, il sistema diventa bravo a prevedere con precisione i prossimi cinque movimenti dopo aver visto una sequenza di cinque immagini. Il nostro modello prevede correttamente i futuri movimenti del cane osservando solo le immagini che il cane ha osservato nei passaggi temporali precedenti, affermano Ehsani e co.

Il compito di pianificazione è un po' più difficile. L'obiettivo qui è trovare una sequenza di azioni che sposti il ​​cane tra le posizioni di una data coppia di immagini. L'IA lo apprende di nuovo studiando le azioni associate a un'ampia gamma di fotogrammi video sequenziali.

Ancora una volta, il sistema funziona bene. I nostri risultati mostrano che il nostro modello supera queste linee di base nel difficile compito di pianificare come un cane sia in termini di precisione che di perplessità, afferma il team.

Il compito finale è imparare dal comportamento del cane. Una cosa che i cani imparano è dove possono e non possono camminare. Quindi il team utilizza il database per addestrare l'IA a riconoscere quali tipi di superfici sono calpestabili e ad etichettarli in nuove immagini.

Questo è un lavoro interessante che mostra come i sistemi di intelligenza artificiale possono eguagliare determinati tipi di prestazioni degli animali. Il nostro modello impara dai video egocentrici e dalle informazioni sui movimenti ad agire e pianificare come farebbe un cane nella stessa situazione, dicono.

Naturalmente, c'è molto lavoro da fare. Ad esempio, questo lavoro raccoglie dati da un singolo cane. Quindi il team vorrebbe studiare i dati raccolti da un'ampia gamma di cani. Ciò consentirebbe loro di confrontare il loro comportamento e comprendere l'intelligenza visiva canina in modo più dettagliato.

Ma non c'è motivo per cui l'approccio dovrebbe essere limitato ai cani. Ci sarebbe molto da imparare raccogliendo set di dati simili per scimmie, animali da fattoria e tutti i tipi di animali allo stato brado. Come dicono Ehsani e colleghi: speriamo che questo lavoro apra la strada verso una migliore comprensione dell'intelligenza visiva e degli altri esseri intelligenti che abitano il nostro mondo.

Rif: arxiv.org/abs/1803.10827 : Chi ha fatto uscire i cani? Modellazione del comportamento del cane da dati visivi

nascondere