צוות חוקרים ב- USC מסייע לבינה מלאכותית (AI) לדמיין את הנעלם, טכניקה שעלולה להוביל גם ל- AI הוגן יותר, תרופות חדשות והגברת בטיחות הרכב האוטונומי.
דמיין חתול כתום. עכשיו, דמיין את אותו החתול, אבל עם פרווה שחורה פחם. עכשיו, דמיין את החתול משתרך לאורך החומה הסינית. אם תעשה זאת, סדרה מהירה של הפעלת נוירונים במוח שלך תעלה וריאציות של התמונה המוצגת, בהתבסס על הידע הקודם שלך בעולם.
במילים אחרות, כבני אדם, קל לדמיין אובייקט בעל תכונות שונות. אך למרות ההתקדמות ברשתות עצביות עמוקות התואמות או עולות על ביצועי האדם במשימות מסוימות, מחשבים עדיין נאבקים במיומנות האנושית של "דמיון".
כעת, צוות מחקר של USC המורכב מפרופסור למדעי המחשב ודוקטורט. סטודנטים, פיתח AI שעושה שימוש ביכולות דמויי אנוש כדי לדמיין אובייקט שטרם נראה עם תכונות שונות. המאמר שכותרתו "סינתזה אפסית עם למידה בפיקוח קבוצתי" פורסם בוועידה הבינלאומית לשנת 2021 בנושא ייצוגי למידה ב- 7 במאי.
"קיבלנו השראה מיכולות הכללה חזותית אנושית לנסות לדמות דמיון אנושי במכונות", אמר ג'י, המחבר הראשי של המחקר.
"בני אדם יכולים להפריד את הידע הנלמד שלהם לפי תכונות - למשל צורה, תנוחה, מיקום, צבע - ואז לשלב אותם מחדש כדי לדמיין אובייקט חדש. העיתון שלנו מנסה לדמות את התהליך הזה באמצעות רשתות עצביות. "
בעיית ההכללה של AI
לדוגמה, נניח שאתה רוצה ליצור מערכת בינה מלאכותית (AI) המייצרת תמונות של מכוניות. באופן אידיאלי, הייתם מספקים לאלגוריתם כמה תמונות של מכונית, והוא יוכל לייצר סוגים רבים של מכוניות - החל ממכוניות פורשה ועד פונטיאקס ועד משאיות איסוף - בכל צבע, מזוויות מרובות.
זו אחת המטרות המיוחלות של בינה מלאכותית (AI): יצירת מודלים שיכולים להפיק אקסטרפולציה. פירוש הדבר שלנתון דוגמאות ספורות, המודל אמור להיות מסוגל לחלץ את הכללים העומדים בבסיסם ולהחילם על מגוון עצום של דוגמאות חדשות שהוא לא ראה בעבר. אך המכונות מאומנות לרוב בתכונות לדוגמה, למשל בפיקסלים, מבלי לקחת בחשבון את מאפייני האובייקט.
מדע הדמיון
במחקר חדש זה החוקרים מנסים להתגבר על מגבלה זו באמצעות מושג הנקרא disentanglement. ניתן להשתמש בהתנתקות כדי לייצר זיוף עמוק, למשל, על ידי פירוק תנועות פנים וזהות אנושית. על ידי כך, אמר החוקר, "אנשים יכולים לסנתז תמונות וסרטונים חדשים המחליפים את זהותו של האדם המקורי באדם אחר, אך שומרים על התנועה המקורית."
באופן דומה, הגישה החדשה לוקחת קבוצה של תמונות מדגם - ולא מדגם אחד בכל פעם כפי שעשו האלגוריתמים המסורתיים - וכורסת את הדמיון ביניהן כדי להשיג משהו שנקרא "למידת ייצוג בלתי מסולסלת לשליטה".
ואז, הוא משלב מחדש את הידע הזה כדי להשיג "סינתזת תמונות רומן נשלטת", או מה שאפשר לקרוא לו דמיון. "למשל, קחו את הסרט רובוטריקים כדוגמה", אמר החוקר, "הוא יכול ללבוש צורה של מכונית מגהטרון, את הצבע ואת התנוחה של מכונית דבורה צהובה, ואת הרקע של טיימס סקוור בניו יורק. התוצאה תהיה מכונית מגהטרון בצבע בומבלי שנוסעת בכיכר טיימס, גם אם לא היה עדים למדגם זה במהלך האימון. "
זה דומה לאופן שבו אנו כבני אדם מקצינים: כאשר אדם רואה צבע מאובייקט אחד, אנו יכולים להחיל אותו בקלות על כל אובייקט אחר על ידי החלפת הצבע המקורי עם החדש. בעזרת הטכניקה שלהם, הקבוצה יצרה מערך נתונים חדש המכיל 1.56 מיליון תמונות שיכולות לסייע למחקר עתידי בתחום.
הבנת העולם
אמנם התנתקות אינה רעיון חדש, אך החוקרים אומרים שהמסגרת שלהם יכולה להיות תואמת כמעט לכל סוג של נתונים או ידע. זה מרחיב את האפשרות ליישומים. למשל, פירוק הידע הגזעי והמגדרי כדי להפוך AI למוגן יותר על ידי הסרת תכונות רגישות מהמשוואה לחלוטין.
בתחום הרפואה, זה יכול לעזור לרופאים וביולוגים לגלות תרופות שימושיות יותר על ידי פירוק תפקוד התרופות ממאפיינים אחרים, ואז לשלב אותם מחדש כדי לסנתז רפואה חדשה. הטמעת מכונות עם דמיון יכולה גם לסייע ביצירת AI בטוח יותר על ידי, למשל, לאפשר לרכבים אוטונומיים לדמיין ולהימנע מתרחישים מסוכנים שלא נראו בעבר במהלך האימונים.
"למידה עמוקה כבר הוכיח ביצועים והבטחה ללא תחרות בתחומים רבים, אך לעתים קרובות מדי זה קרה באמצעות חיקויים רדודים, וללא הבנה מעמיקה יותר של התכונות הנפרדות שהופכות כל אובייקט לייחודי, "אמר איתי. "גישה חדשה זו של פירוק, ממש, משחררת באמת תחושת דמיון חדשה במערכות AI, ומקרבת אותם להבנת בני האדם את העולם."
