Home / Tech / Comment les bébés peuvent apprendre à l'IA à comprendre la physique classique et quantique

Comment les bébés peuvent apprendre à l'IA à comprendre la physique classique et quantique

Une équipe de chercheurs du MIT a récemment exploité le potentiel incroyable du cerveau humain pour mettre au point un modèle d’IA qui comprend la physique et le certains humains. Et par certains, nous entendons des bébés de trois mois.

Cela peut sembler peu, mais à l'âge de trois mois, un nourrisson a une compréhension de base du fonctionnement des choses physiques. Ils comprennent des concepts avancés tels que la solidité et la permanence – les objets ne se croisent généralement pas et ne disparaissent pas – et ils peuvent prédire le mouvement. Pour étudier cela, les chercheurs montrent aux enfants des vidéos d'objets qui agissent comme ils le devraient, par exemple en passant derrière un objet et en émergeant, et d'autres où ils enfreignent apparemment les lois de la physique.

Les scientifiques ont appris que les bébés présentent des niveaux variables de surprise lorsque les objets n'agissent pas comme ils le devraient.

Kevin Smith, chercheur au MIT m'a dit:

À l’âge de 3 mois, les bébés ont la notion que les objets ne disparaissent pas et ne peuvent pas se déplacer, et qu’ils ne peuvent ni se déplacer ni se téléporter. Nous voulions capturer et formaliser ces connaissances pour transformer la cognition infantile en agents d'intelligence artificielle. Nous ressemblons maintenant beaucoup à l’humain dans la façon dont les modèles peuvent séparer des scènes de base invraisemblables ou plausibles.

L’idée principale pour l’équipe du MIT était de former les IA à reconnaître si un événement physique devait être considéré comme surprenant ou non, puis à exprimer cette surprise dans ses résultats. Par un MIT communiqué de presse:

Les descriptions d'objet grossier sont introduites dans un moteur physique – un logiciel simulant le comportement de systèmes physiques, tels que des corps rigides ou fluidiques, utilisé couramment pour les films, les jeux vidéo et les graphiques informatiques. Le moteur physique des chercheurs "pousse les objets dans le temps" [par co-auteur Tomer Ullman]. Cela crée une gamme de prédictions, ou une «distribution de croyances», pour ce qui va arriver à ces objets dans la trame suivante.

Ensuite, le modèle observe la trame suivante réelle. Une fois encore, il capture les représentations d'objet, qu'il aligne ensuite sur l'une des représentations d'objet prédites à partir de sa distribution de croyance. Si l’objet obéissait aux lois de la physique, il n’y aura pas beaucoup de décalage entre les deux représentations. D'un autre côté, si l'objet faisait quelque chose d'implausible – par exemple, il disparaissait derrière un mur – il y aurait un déséquilibre majeur.

La physique classique est difficile. La myriade de prévisions et de calculs nécessaires pour déterminer ce qui va se passer dans une suite d'événements est incroyablement complexe et nécessite des quantités énormes de calculs pour les systèmes non-IA. Malheureusement, même les systèmes d'IA commencent à produire des rendements décroissants selon les paradigmes informatiques classiques. Pour aller de l’avant, il est probable que nous devrons abandonner la méthode actuelle de compression brutale des données dans une boîte noire, puis utiliser des centaines, voire des milliers, d’unités de traitement en parallèle. régler et tirez parti des sorties utiles d'un réseau de neurones artificiels.

Certains experts estiment que nous avons besoin d’une solution quantique capable de voyage dans le temps, ou arriver à plusieurs sorties à la fois, puis surface répond de manière autonome comme le cerveau humain. Cela nous place un peu dans le «Catch 22», car notre compréhension du cerveau humain, des réseaux de neurones artificiels et de la physique quantique est considérée comme incomplète. L'espoir est que la recherche continue dans les trois domaines fonctionnera comme une marée montante qui soulèvera tous les navires.

Pour le moment, les scientifiques espèrent que la curiosité artificielle et la codification de la «surprise» contribueront à combler le fossé entre le cerveau humain et les réseaux de neurones artificiels. À terme, cette nouvelle méthode d’apprentissage basée sur l’exploration pourrait être combinée à la technologie informatique quantique pour créer la base de machines «pensantes».

Nous avons peut-être beaucoup de chemin à parcourir avant que cela se produise, mais les recherches actuelles représentent le premier pas de bébé vers l'IA au niveau humain. Pour approfondir le travail de l’équipe du MIT, consultez son document de conférence ici.

Source

About admin

Check Also

"I Am Jesus Christ" est un vrai jeu vidéo à venir, voici un premier aperçu – Technologik

Le développeur PlayWay ne parcourt pas Internet, mais publie en fait un jeu vidéo appelé …

Laisser un commentaire