Определённый тип искусственного интеллекта оказался способен понять и изучить причинно-следственные связи в процессе обучения. Это очередная важная планка, друзья. И взяли её специалисты MIT. В очередной раз удивляюсь гениальности ребят из лаборатории CSAIL!
Ну, хватит дифирамбов. Давайте к делу.
Как мы теперь хорошо знаем, нейронные сети могут решать самые разные задачи, от распознавания объектов на фотографиях до управления беспилотным автомобилем. Но остаётся открытым вопрос, "понимают" ли мощные алгоритмы распознавания образов задачи, которые они выполняют.
Например, нейронная сеть, которой поручено удерживать беспилотный автомобиль на своей полосе движения, может научиться делать это, просто наблюдая за кустами на обочине дороги, а вовсе не отслеживая разметку на дороге и её положение относительно горизонта. Мы не знаем, чем руководствуется искусственный интеллект (ИИ), потому что мы никак не можем его спросить об этом. Да даже если бы и могли, то он не сможет выстроить причинно-следственные связи, чтобы дать нам логичный и понятный нам ответ.
Однако недавно исследователи из Массачусетского технологического института показали, что определенный тип нейронной сети (так называемые "жидкие" нейронные сети) способен изучить истинную причинно-следственную структуру навигационной задачи, которую его обучали выполнять.
Поскольку эти сети могут понимать задачу, руководствуясь визуальными данными, они должны быть более эффективными, чем другие нейронные сети (НС), при навигации в сложной среде, такой как густой лес или быстро меняющиеся погодные условия. Условно, дрон, которым управляет такая НС, сможет преследовать цель даже в ливень в сосновом бору! Сегодня это пока ещё почти недостижимый результат.
Понятно, что все хотят себе такую продвинутую систему управления. В будущем эта разработка MIT может повысить надёжность программ машинного обучения, которые выполняют сложные задачи, такие как вождение на загруженной автомобильной трассе.
Читайте также: Искусственный интеллект, внедряемый в тело человека, используют для раннего выявления болезней
«Поскольку эти системы машинного обучения способны "понимать" причинно-следственные связи, мы можем выяснить и показать, как они функционируют и принимают решения. Это важно для приложений, в которых безопасность стоит на первом месте», - говорит Рамин Хасани, постдок лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL).
В чем же отличие разработки Хасани и его команды? Напомню, что нейронные сети - это метод машинного обучения, в котором компьютер учится выполнять задачу методом проб и ошибок, анализируя множество обучающих примеров. «Жидкие» нейронные сети, представленные инженерами MIT в начале 2021 года, могут перестраивать себя, изменяя свои основные уравнения, чтобы постоянно адаптироваться к новым входным данным. Похожим образом работает наш с вами мозг. Собственно, такая система глубинного обучения была создана учёными под влиянием представлений о мозге человека.
Сеть команды Хасани состоит всего из 19 управляющих нейронов, и при этом она справляется с задачей автономного управления беспилотным транспортным средством.
По сути, сеть может распознавать, изменяется ли её результат под действием определённого вмешательства, а затем связывает причину и следствие вместе.
Во время обучения такая сеть запускается вперёд для генерации выходных данных, а затем назад для исправления ошибок.
Исследователи заметили, что сеть связывает "понимает" причинно-следственную связь в прямом и обратном режимах, что позволяет сети уделять очень пристальное внимание истинной причинно-следственной структуре выданной ей задачи.
В итоге беспилотник под управлением такой НС не потеряет контроль, даже если внезапно переместится с освещённой солнцем равнины в густой лес, окутанный туманом.
«Как только система узнает, что она на самом деле должна делать, она сможет хорошо работать в новых сценариях и условиях окружающей среды, с которыми она никогда не сталкивалась. Это большая проблема современных систем машинного обучения, которые не понимают причинно-следственных связей. Мы считаем, что эти результаты очень интересны», - говорит Хасани.
Читайте также: ИИ научился воспроизводить музыку, которую он "увидел" в немом видео
В будущем исследователи хотят изучить возможности использования "жидких" нейронных сетей для создания более крупных систем. Объединение тысяч или даже миллионов таких сетей может позволить им решать ещё более сложные и интересные задачи.
Это исследование спонсировали ВВС США и компания Boeing. Оно и понятно, прежде всего такие разработки интересны военным. И это не может не настораживать. Хотя восторг всё равно превалирует.
Разработка будет представлена на конференции по нейронным системам обработки информации (NeurIPS) в декабре 2021 года.
Мы пишем про достижения науки, суперсовременные технологии и их внедрение, рассказываем о том, каким будет будущее. Если вам нравятся наши новости, подписывайтесь на наш канал и не забывайте ставить лайки. Эти нехитрые действия помогают нам в развитии и сборе средств для финансирования проекта.
Также наши сообщества есть в Telegram, twitter, ВК, Facebook, "Одноклассниках". Приходите, если вы бываете там чаще, чем на Дзене.
