AI に赤ちゃんのように考えさせましょう! DeepMind「Plato」モデルが Nature サブジャーナルに掲載

論文アドレス: https://www.nature.com/articles/s41562-022-01394-8

ただし、このプロジェクトについて話す前に、誰もが理解しやすいように、最初に例を示します。

私がペンを持ってあなたの前に立って、そのペンを背中に隠したら、あなたにはペンが見えなくなりますか?

でも、ペンはまだ存在しているはずですよね?

とても単純な真実です。あなただけでなく、生後 2 か月の赤ちゃんでも理解できます。

しかし、その背後にある理由は非常に興味深いものです。科学者たちは、なぜ人々がこの原理を自然に理解するのかに興味を持っています。

DeepMind のストーリーは、この単純な好奇心から始まります。

赤ちゃんは何も理解できないと思いますか?

私たちは、「ペンは置いた後は見えないが、ペンはまだそこにある」ことを物理学における数千の常識の 1 つと呼んでいます。DeepMind の科学者は、AI と赤ちゃんの間で物理学の常識を比較したいと考えています。 。

プリンストン大学のルイス・ピロト氏とその同僚は、物理世界のいくつかの常識的な法則を理解できる深層学習 AI システムを開発しました。

このようにして、将来のコンピューター モデルは人間の思考をよりよく模倣し、赤ちゃんと同じ認識力を持つモデルで問題を解決できるようになります。

一般に、AI モデルは白紙の紙から始まり、さまざまな例を使用してモデルをトレーニングします。入力データと例から、モデルは知識を生成します。

しかし、科学者たちは、これは赤ちゃんには当てはまらないと指摘しています。

赤ちゃんは物事を一から学ぶわけではありませんが、客観的な物事について何らかの先入観を持って生まれてきます。

上の隠しペンを例に挙げてみましょう。赤ちゃんは、たとえペンが隠されていてもそこにあることを生得的に知っています。

これは、次の実験の基礎となるロジックです。つまり、赤ちゃんは生まれたときにいくつかの核となる前提を持っており、これらの前提によって成長するにつれて正しい方向に発達し、時間が経つにつれて経験が増えるにつれて知識はより良くなり、より洗練されていきます。

これは Piloto チームにインスピレーションを与えました。

ピロトは、幼児の行動パターンを模倣する深層学習人工知能モデルは、白紙の紙から始めて経験学習のみに依存する人工知能モデルよりも優れたパフォーマンスを発揮するだろうかと疑問に思いました。

研究者らは、2 つの異なるモデルをさらに比較しました。

彼らが最初に行ったのは、従来の方法 (白紙と呼ばれる) でした。彼らは、AI モデルにオブジェクトの視覚的なアニメーションをいくつか与え、坂道を滑り落ちるブロックや壁に跳ね返るボールなどを AI に学習させました。

AI モデルはこれらのアニメーションの動きのパターンを検出し、研究者たちはモデルが他のオブジェクトの動きを予測できるかどうかのテストに着手しました。

一方、赤ちゃんを模倣する人工知能モデルには、最初にいくつかの「原理」があり、その「原理」の源は、物体間の動きや相互作用についての赤ちゃんの生得的な仮定です。

簡単な例を挙げると、赤ちゃんは 2 つの物体が互いに通過できないこと、物体が薄い空気から立ち上ることができないことなどを知っています。

幼児の認知を模倣するAI——『プラトン』

実は、幼児が生得的に知っている物理学の常識は、上記の2点にとどまりません。完全版は次の 5 つのポイントです:

1. 連続性: オブジェクトはある場所から別の場所に移動するのではなく、時間と空間において一定の連続した経路を持ちます。

2. オブジェクトの永続性: オブジェクトは視界から消えても消えません。

3. 堅牢性: オブジェクトは相互に貫通しません。

4. 不変性: オブジェクトのプロパティ (形状など) は変わりません。

5. 方向慣性: オブジェクトの運動の経路は慣性の原理と一致します。

これらの 5 つの知識に基づいて、赤ちゃんに手品などを行ったときに、何かが彼らのあらかじめ設定された知識に反する場合、赤ちゃんはあなたがそれをしていることがわかります。彼らは賢いので、直感に反する現象が現状ではないことを知っています。

とはいえ、赤ちゃんは年長児ほど知識が豊富ではなく、常識に反する現象を長い間観察し、それを自分自身のあらかじめ設定された認識と比較し、最終的には誰かがいたずらをしていると結論づけます。結論は。

そう言えば、とても人気のあるビデオを思い出さずにはいられません。両親はシーツの後ろに隠れ、シーツを数回上下に振り、すぐに後ろの部屋に隠れながら隠れました。シーツの後ろ。シーツが消えて両親の姿が見えなくなると、赤ちゃんはそこに立ってしばらく考え、両親はどこへ行ったのだろうと不思議に思います。

ここにはもう一つ興味深い点があります。つまり、赤ちゃんは直観に反する現象を見た後に「驚き」を表現するということですが、これは当然のように聞こえますが、研究者らはこのユニークなパフォーマンスも AI で再現しました。

これらの基礎を念頭に置いて、実験結果を見てみましょう。

ピロトが設計したAIモデルはPLATO(Physics Learning through Auto-encoding and Tracking Objects)、つまり「プラトン」と呼ばれています。

PLATO は、物体がいくつかの単純な動きをどのように実行するかを示す約 30 時間のビデオでトレーニングされ、さまざまな状況でこれらの物体の動きを予測するようにモデルをトレーニングしました。

興味深いのは、モデルが最終的に上記の物理学の 5 つの常識点を学習したことです。

あなたが見ているビデオに直感に反するものがあった場合、PLATO は赤ちゃんのようにある程度の驚きを示すこともあります。

Piloto と彼の同僚は、従来のトレーニング方法 (白紙の紙) を使用した AI モデルは良好なパフォーマンスを示しましたが、未知のものほど良くはなく、比較して衝撃を受けたことを発見しました。赤ちゃんを模倣する AI モデル PLATO のパフォーマンスははるかに優れていました。

プリセット認知の恩恵により、後者のモデルはオブジェクトの動きをより正確に予測し、プリセット認知を新しいオブジェクトの動きアニメーションに適用してモデルをトレーニングできます。使用されるデータセットのサイズも異なります。小さくなる。

Piloto チームは、学習と経験の蓄積は重要だが、それがすべてではないという結論に達しました。

彼らの研究は、人間に生まれつき備わっているものと学習されるものという古典的な問題を直接示しています。

次のステップは、この種の人間の認知を AI 研究に応用することです。

ピロトは、新しい方法の優れた結果を示してくれました。

しかし、ピロト氏は、PLATO は赤ちゃんの行動モデルとして設計されたものではなく、人工知能に栄養を与えるために赤ちゃんの認知手法を借用しているだけであると強調しました。

PLATO のシミュレーション システム: フィードフォワード認識モジュール (左) とループ動的予測モジュール (右)

ジェフ、ブリティッシュ コロンビア大学のコンピューター科学者バンクーバーのクルーン氏はまた、AIと人間の幼児の学習方法を組み合わせることが重要な方向性だと述べた。

現在、クルーンは他の研究者と協力して、物理世界を理解するための独自のアルゴリズム手法を開発しています。

著者紹介

Luis Piloto は、この論文の筆頭著者であり責任著者です。

彼は 2012 年にラトガース大学でコンピューター サイエンスの学士号を取得し、その後プリンストン大学に留学して、2017 年と 2021 年にそれぞれ神経科学の修士号を取得しました。博士号

2016 年、彼は DeepMind に正式に入社し、研究員になりました。

以上がAI に赤ちゃんのように考えさせましょう! DeepMind「Plato」モデルが Nature サブジャーナルに掲載の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。