Birinin beden diline dayanarak bir sonraki adımda ne yapacağını tahmin etmek insanlara doğal gelir, ancak bilgisayarlar için öyle değildir. Başka biriyle tanıştığımızda bizi selamlayarak, el sıkışarak, hatta yumruk atarak karşılayabilirler. Hangi hareketin kullanılacağını bilemeyebiliriz ancak durumu okuyabilir ve uygun şekilde yanıt verebiliriz.
Yeni bir çalışmada, Columbia Mühendislik araştırmacıları AI İnsanlar, hayvanlar ve nesneler arasındaki daha üst düzey ilişkilerden yararlanarak makinelere bundan sonra ne olacağına dair daha sezgisel bir his veren görme tekniği.
Algoritma, makinelerin insan davranışı hakkında daha iyi tahminlerde bulunabilmesine ve dolayısıyla kendi eylemlerini bizimkilerle daha iyi koordine edebilmesine ve insan-robot işbirliği, otonom araçlar ve yardımcı araçlara yönelik bir dizi olasılığa doğru atılmış bir adımdır. teknoloji.
Araştırmacılar, bunun gelecekte birkaç dakikaya kadar video eylem olaylarını tahmin etmek için bugüne kadarki en doğru yöntem olduğunu söylüyor. Binlerce saatlik filmi, spor oyunlarını ve "The Office" gibi programları analiz ettikten sonra sistem, el sıkışmaktan yumruklaşmaya kadar yüzlerce aktiviteyi tahmin etmeyi öğreniyor. Belirli bir eylemi tahmin edemediğinde, onları birbirine bağlayan daha üst düzeydeki kavramı, bu durumda "selamlama" sözcüğünü bulur.
Ekip tarafından yapılanlar da dahil olmak üzere tahmine dayalı makine öğrenimindeki geçmiş girişimler, her seferinde yalnızca bir eylemi tahmin etmeye odaklanmıştı. Algoritmalar, eylemi sarılma, beşlik çakma, el sıkışma veya hatta "görmezden gelme" gibi eylemsizlik olarak sınıflandırıp sınıflandırmayacağına karar verir. Ancak belirsizlik yüksek olduğunda çoğu makine öğrenimi modeli olası seçenekler arasında ortak noktalar bulamaz.
Araştırmacılar daha uzun vadeli tahmin problemine farklı bir açıdan bakmaya karar verdiler. Araştırmacılar, gelecekte her şeyin tahmin edilebilir olmadığını söyledi. Bir kişi tam olarak ne olacağını öngöremediğinde, riskten kaçar ve daha yüksek düzeyde bir soyutlamayla tahminde bulunur. Algoritmamız, gelecekteki olaylar hakkında soyut mantık yürütme yeteneğini öğrenen ilk algoritmadır."
Araştırmacıların, antik Yunanlılara kadar uzanan matematik sorularını tekrar gözden geçirmeleri gerekiyor. Lisede öğrenciler geometrinin tanıdık ve sezgisel kurallarını öğrenirler; düz çizgiler düz gider, paralel çizgiler asla kesişmez. Çoğu makine öğrenimi sistemi de bu kurallara uyar. Ancak diğer geometrilerin tuhaf, sezgilere aykırı özellikleri vardır; Düz çizgiler bükülür ve üçgenler şişer. Araştırmacılar bu sıra dışı geometrileri, üst düzey kavramları organize eden ve gelecekteki insan davranışını tahmin eden yapay zeka modelleri oluşturmak için kullandı.
Tahmin, insan zekasının temelidir, Massachusetts Teknoloji Enstitüsü'nde bilim adamı ve MIT-IBM Watson Yapay Zeka Laboratuvarı'nın eş yöneticisi, yapay zeka ve insan bilişi konusunda uzman olan ancak çalışmaya dahil olmayan bir kişidir. "Makineler, insanların asla yapmayacağı hatalar yapıyor çünkü soyut olarak akıl yürütme yeteneğimizden yoksunlar. Bu çalışma, bu teknolojik açığı kapatmaya yönelik önemli bir adımdır.”
Araştırmacılar tarafından geliştirilen matematiksel çerçeve, makinelerin olayları gelecekte ne kadar öngörülebilir olacak şekilde düzenlemesine olanak tanıyor. Örneğin yüzmenin ve koşmanın her ikisinin de egzersiz türü olduğunu biliyoruz. Yeni teknik, bu aktiviteleri kendi başına nasıl kategorize edeceğini öğreniyor. Sistem belirsizliğin farkında olup, kesinlik olduğunda daha spesifik eylemler, kesinlik olmadığında ise daha genel tahminler sağlar.
Araştırmacılar, tekniğin bilgisayarları önceden programlanmış bir eylem yerine bir durumu değerlendirmeye ve incelikli bir karar vermeye yaklaştırabileceğini söylüyor. Bunun insanlar ve bilgisayarlar arasında güven inşa etmede kritik bir adım olduğunu belirterek, "Güven, robotun insanları gerçekten anladığı hissinden gelir" diye açıkladı. "Makineler davranışlarımızı anlayabilir ve tahmin edebilirse, bilgisayarlar insanlara günlük faaliyetlerde sorunsuz bir şekilde yardımcı olabilecektir."
Yeni algoritma, kıyaslama görevlerinde önceki yöntemlere göre daha doğru tahminler yapsa da sonraki adımlar, bunun laboratuvar dışında çalıştığını doğrulamaktır. Sistem çeşitli ortamlarda çalışabiliyorsa, makine ve robotları konuşlandırmanın, performansımızı iyileştirebilecek birçok olasılığı vardır. Araştırmacılar güvenlik, sağlık ve güvenliğin önemli olduğunu söylüyor. Grup, algoritmanın performansını daha büyük veri kümeleri, bilgisayarlar ve diğer geometri biçimleriyle geliştirmeye devam etmeyi planlıyor.
İnsan davranışı çoğu zaman şaşırtıcıdır ve algoritmalar makineler Bundan sonra ne yapacaklarını daha iyi tahmin etmek için.”
Çalışmanın başlığı “Geleceğin öngörülebilirliğini öğrenmek”.