Як песики тренують нейромережі й чому це потрібно AI-розробникам

Виявляється, собака – не лише найкращий друг людини, а ще й потенційний учитель роботів. Цікаво? Подробиці – в адаптованому перекладі матеріалу з ресурсу The Verge.

Пес як невичерпне джерело інформації

Дослідники з Університету штату Вашингтона та Інституту Аллена із Сіетла поставили перед собою питання: чому саме друзі наші менші можуть навчити штучний інтелект? Відповідь проста – багато чому. Зовсім нещодавно вченим вдалося «навчити» нейронні мережі інтерпретувати і передбачити поведінку собак. Результати експерименту доводять, що тварини можуть стати новим джерелом навчальних даних для систем штучного інтелекту, зокрема тих, що використовуються для керування роботами.

Щоб навчити штучний інтелект думати, як собака, спочатку науковцям необхідні дані. Їх зібрали у вигляді відеоматеріалу та інформації про рух з одного собаки – маламута на прізвисько Келп (Kelp). Усього було зроблено 380 коротких відео з камери GoPro, закріпленої на голові пса, а також зібрано дані про рух, отримані з датчиків на ногах і тулубі. По суті, Келпа записували так само, як у Голлівуді записують рухи акторів для подальшого створення персонажів комп’ютерної графіки. Використовуючи цю інформацію, дослідники проаналізували поведінку Келпа через технологію глибинного навчання. Цей метод штучного інтелекту має здатність виокремлювати моделі з набору даних. У цьому випадку таке виокремлення означало синхронізування даних руху кінцівок Келпа та візуальних даних з GoPro з різними діями собаки. Нейронна мережа, яка навчиться на основі цієї інформації, може передбачити, як собака поводитиметься у певних ситуаціях. Наприклад, якщо така мережа «побачить», що хтось кидає м’яч, вона «знатиме», що реакція собаки – переслідувати цей м’яч.

Келп, зображення камери, закріпленої на голові пса, та дані з датчиків на його ногах і тулубі

Провідний дослідник цього експерименту, Кіана Ехсані (Kiana Ehsani), пояснила, що прогностична спроможність системи штучного інтелекту дуже точна, але лише на короткий проміжок. Іншими словами, якщо на відео показано східці, можна здогадатися, що собака збирається піднятися ними, але далі саме життя надто різноманітне для передбачень, можливо, пес побачить там іграшку, яку він захоче взяти у зуби, а, можливо, – ні.

Дані – лише початок

Отримати дані – це лише початок, дійсно важливим є наступний крок дослідників: взявши нейронну мережу, навчену на поведінці собаки, фахівці захотіли дізнатися, чи змогла ця мережа вивчити про світ щось інше, те, чого вони не запрограмували. У своїх роботі науковці пояснюють, що собаки «чітко демонструють візуальний інтелект, розпізнаючи їжу, перешкоди, інших людей та тварин», тож вони вирішили з’ясувати, чи може нейронна мережа, навчена діяти як собака, показувати ознаки такої ж кмітливості? Виявляється, так, може, хоча й досить обмежено. До нейронної мережі дослідники застосували два тести, просячи ідентифікувати різні локації (наприклад, всередині приміщення, надворі, на сходах, на балконі) та «поверхні, по яких потенційно можна ходити». В обох випадках нейронна мережа змогла виконати ці завдання з гідною точністю, використовуючи лише основні дані про рух собаки та місцеперебування.

«– У цьому завданні ми керувалися тим, що собаки дійсно добре знаходять, по чому ходити, а по чому – ні, де їм дозволено ходити, а де – ні, – пояснює Ехсані. – Така градація – дуже важке завдання для комп’ютера, оскільки його виконання потребує значного масиву попередніх знань».

Ці знання можуть полягати в тому, чи поверхня занадто крута, щоб нею ходити, чи слизька, чи гаряча і т. д. Запрограмувати всю цю інформацію в комп’ютер – дуже трудомістка задача, але собака вже це знає. Отже, спостерігаючи за поведінкою Келпа, нейронна мережа «вивчила» ці правила без необхідності людини закладати їх. Іншими словами, вона дізналася у собаки.

Навчена на отриманих з Клепа даних нейронна мережа змогла ідентифікувати поверхні, по яких можна ходити

Важливо додати застереження. Створене Ехсані та її колегами ПЗ у жодному разі не є моделлю мозку собаки або її свідомості. Все, що воно робить, – це вивчення деяких дуже базових правил з обмеженим набором даних, тобто, де собака любить ходити. І, як і у будь-якої іншої системи штучного інтелекту, у цьому випадку також відсутня аргументація; ПЗ просто знаходить закономірності в даних. Саме собою це – не ново, дослідники завжди навчають AI-системи з подібних даних. Утім, як зазначає Ехсані, це дослідження, здається, – перший випадок, коли науковці намагалися вчитися у собак, і той факт, що експеримент удався, наводить на думку, що тварини можуть бути корисним джерелом навчальних даних. Зрештою, собаки знають безліч інших речей, які були б дуже корисними для роботів. Приміром, як виглядають люди, яка різниця між дорослим і дитиною. Собаки знають, що треба уникати автомобілів, як рухатися сходами, а це – важливі уроки для будь-якого робота, який повинен працювати у середовищі людини.

Звичайно, ця наукова праця – лише дуже проста демонстрація того, як ми можемо вчитися у тварин, і потрібно ще багато роботи, перш ніж ця парадигма стане продуктивною. Але Ехсані впевнена, що результати можуть мати корисне застосування.

БІЛЬШЕ ЦІКАВОГО:

Джерело: The Verge, переклад підготувала Ірина Гоял, спеціально для «Блог Imena.UA»

Читайте также:

Штучний інтелект в сфері освіти: як використовувати нейромережі вчителям

Звіт State of AI 2024: головні тренди та гравці в галузі штучного інтелекту

Британська поліція тестує детектива на базі штучного інтелекту

Google DeepMind навчила робота грати в настільний теніс на рівні людини