DeepMind 不仅让 AI 会下棋,还要让 AI 会推理

移动互联 粹客

“狗是黑色的猎鹿犬,猎鹿犬的名字叫天狼星,请问天狼星是什么颜色?”对正常人来说,这种关系推理十分简单,但对 AI 来说就不一定了。上周,DeepMind 的研究人员发表了一篇文章,详细介绍了之前公布的关系网络(RN)算法,它赋予了 AI 人的推理能力。

不是所有 AI 都叫 AlphaGo

不同的 AI 具有不同功能和优势。就好像专攻艺术和专攻科学的学生一样,图像分析类 AI 和机器学习类 AI 的算法处理能力完全不同。

图像分析类 AI 可以运用其强大的数学和逻辑运算来解释事物之间的联系但他们必须要受到预先确定的规则约束,否则就无法进行推理 也就是说,他们的学习能力很差,如果在执行算法的过程中有任何细微变化不符合预先设定,都有可能导致算法偏离正常轨道。

而机器学习类 AI 则依赖于数以百万计的数据,来训练自己的算法和模型,在不断地学习过程中发现事物之间的联系。就好像前段时间风靡全球的 AlphaGo,就是由深度学习算法驱动的。

现在,DeepMind 将这两类算法结合打造了一个能够对不同对象进行识别和推理的人工智能关系网络。

即插即用的“关系网络(RN)”

对于人类来说,建立两个对象之间的关系实际上分为两步,首先你需要先识别两个对象的属性, 然后把他们放到你的知识背景中来分析他们之间的关系。关系网络算法通过类似的方式,使 AI 能够准确的推理出诸如静态的对象、移动的人或者是人的想法等抽象表征物之间的联系。让 AI 具有像人类思维一样的灵活性和效率。

这种算法最大的优点就是简单。其核心就是一个单一的方程,它能够添加到现有的所有网络结构上,并正常运行。方程如下:

f 和 g θ 是两个算法,g θ (o i ,o j )是两个对象间的基本关系,它首先收集两个对象之间的所有逻辑关系,然后通过 f 进行两两配对和叠加推理出最终的关系。

去年,Facebook 的 AI 研究人员利用 VQA 数据库合成了 CLEVR,用以分析机器学习算法的准确性。CLEVR 中包括了十几万张带有开放式问题的图像,需要运用视觉识别和语义理解进行分析,每个图像至少 3 个问题。据了解,RN 算法通过测试的准确率达到了 95%,而正常人类测试结果的平均准确率只有 92%。

研究人员表示,未来 RN 关系网络可以用于自动分析监控录像和社交网络信息,或者引导自动驾驶车辆通过复杂的十字路口。但是,目前这种算法只能分析两两配对的对象关系,要想处理更复杂的场景,他们必须改进算法来实现更多对象之间的关系分析。

粹客稿源:粹客 (源链) | 关于 | 阅读提示

本站遵循[CC BY-NC-SA 4.0]。如您有版权、意见投诉等问题,请通过eMail联系我们处理。
酷辣虫 » 移动互联 » DeepMind 不仅让 AI 会下棋,还要让 AI 会推理

喜欢 (0)or分享给?

专业 x 专注 x 聚合 x 分享 CC BY-NC-SA 4.0

使用声明 | 英豪名录