动物 v.s. AI奥运会:你会赌一只鸟还是机器人夺冠?

  • 日期:08-17
  • 点击:(815)


?

动物v.s.人工智能奥运会:你会赌一只鸟或机器人赢吗?

我们必须面对这样一个事实:人工智能:事实上,今天的人工智能很少有智能成分。基于对算法和大数据的深入学习,人工智能系统可以在明确的环境和问题的前提下表现良好。

这就是为什么谷歌AlphaGo以4: 1击败了世界冠军Go和专业九段球员李世石的原因;汉森机器人索菲亚可以向你吐出莲花,“生命的人工智能”这个标志疯狂地希望摧毁人类。

人工智能研究的真实状态远远落后于我们所相信的技术神话。尽管大多数研究结果都是真实的,但其中许多都是基于人工智能主题的炒作。

137a2f01a29d4dbebbabce38552c7408.jpeg

人工智能的最终梦想是让机器独立思考的能力不是“培训评估”。检查机器真的有智能,让机器通过图灵测试,但直到今天图灵测试还没有被打破,这可能是一件好事也是一件坏事。如果我们不以更健康的现实主义和怀疑主义来对待人工智能,那么这个领域可能会永远留在车辙中。

帝国理工学院和剑桥大学联合举办的“动物与人工智能奥运会”刚刚开始,这是一项有趣的竞赛实验。正如组织者之一马修克罗斯比所说,更多的咀嚼,竞争对手和创始人都无法控制和颠覆。

96c95d1cf6fc42a8849c630b1ac1069e.png

真正的比赛,体育场的最终布局只能在“当天”看到

新的AI“培训课程”正在使用随机生成的环境进行测试和开发,就像“动物与AI奥运”一样。

该竞赛组织已经发表了大约50项关于动物的智能文献研究,该团队可以基于大量开放的训练环境和物体建立AI动物代理的“大脑”。

这是一个泛化挑战,因此在训练测试中,他们必须以不同的方式使用对象,同时还要使对象学会适应环境。挑战者需要建立场景并与场景互动,最后提交一个代理商,以寻找像动物一样的食物狩猎活动。

“这场比赛的焦点在于人工智能从未见过的任务,所以最终的比赛场景是什么,只有这一天才知道,”该活动的组织者之一马修克罗斯比说。尽管最终游戏并没有“分散注意力”,但在动物的50个智能文献研究中有一些有趣的例子,供参与者构建AI代理的大脑。

cc188139980e4f55b218f74ba81d78bc.gif

通过模拟动物获得的药剂的一个例子

例如,在经典实验中,将一些不透明的杯子放在动物的前面,并将一些食物放在其中一个杯子中。动物的任务是找回食物。首先,将食物放入A杯中(相当于训练阶段),但在最后一场比赛中,食物将被放置在B杯下面。对于一些动物,如黑猩猩,他们会直接选择B杯,但有些动物会选择A杯,因为他们通过记忆学习来完成任务。

另一个例子是受伊索寓言启发的实验:乌鸦可以学习拾取岩石并将它们放入水中以提高水位。但是在实验中,你可以建立一个岩石和软木块的环境,乌鸦应该学会选择岩石而不是软木塞进入水中。

“这些测试捕获了许多被认为非常困难的人工智能研究元素,例如促进知识,转移学习,综合新信息,甚至创造性地解决问题。参与者面对大量不同的环境训练集,以应对最终的未知种族场景,“Matthew Crosby解释道。

da1546254f424fe699a7184b34caf397.gif

乌鸦可以在水和沙子面前做出正确的选择。 “10级”看到了差异,AI想赢得并不容易

比赛分为十个级别,测试的成功取决于成就的程度。对于大多数动物来说,基本范围可以解决,只有少数动物可以解决困难和高水平的实验。

“觅食测试”是一项入门测试。它可以测试AI代理商获取食物的能力。他们在短时间内获得的食物越多,越强。

“偏好测试”将进一步评估该药剂的优越性能。尽管不同动物的方式存在差异,但几乎所有动物都使用最简单,最有效的获取食物的方法,其中一些方法对最有益的长期行为做出了复杂的决定。

“疾病测试”,“劣势测试”,“空间推理测试”,“内部模型测试”将从代理的动作,风险规避,导航规划和视觉输入记忆中检查代理的多种能力。

8ee2cb89147a433fb2e77e795388e7f6.gif

AI代理人也面临与狗类似的障碍测试

“泛化测试”,这个级别包括一些与以前的测试看起来不同的环境,但解决方案仍然是相同的,并且不加批判的代理可以希望清除习俗。

“物体生存测试”,当一个物体从视野中消失时,许多动物可以理解它仍然存在。这是人类认知的范围可以理解,但AI不能。如果你无法理解这个功能,许多简单的人很难实现机器交互,以及开发人员如何将其融入AI将是竞争的一个亮点。

“高级偏好”意味着代理通过更复杂的决策获得更高级别的奖励。

作为最终测试,“因果推理测试”希望看到代理能够提前计划并在实施之前预测结果。该测试已在一些动物中得到验证。

现在虚拟奥运会上线,奖金将达到32,000美元。比赛的最终结果将于2019年12月公布。只有这样,我们才能清楚地了解现代人工智能是否比乌鸦,狗或黑猩猩更聪明。在这个等待时间内可能发生的事情仍然非常令人期待。

20a81cc54e7849cd94cbc258bf930f46.png

比赛现场模拟地图这个虚拟奥运会是AI的突破性机会

新闻,例如“某个AI代理已达到鼠标水平”,大多数人可能不会被移动甚至蔑视:区域中鼠标的智能水平是多少。可以肯定的是,我离动物还很远。

最先进的人工智能可以超越人类成为最佳的Go玩家,最好的医生,甚至是测验冠军,但仍然无法与简单的动物竞争以适应环境的意外变化。通常,AI基准测试涉及掌握单个任务,没有自由意志,也没有意识。它们只是遵循智能人员定义的流程的产品,无法自行决策。

d513c9c740cf457db07bcc05790fd331.jpeg

网络红色机器人索菲亚是人工智能炒作的产物吗

我们最好的机器学习算法通常只是记忆和运行统计模型。几乎所有自动化操作的计算机程序都称为AI。例如,在Go游戏中,击败一个大师,机器学习规则,从对手的视频,“偷老师”,然后“过河打破桥梁”。

在机器学习中,例如深度学习和神经网络,人们继续训练机器,直到他们可以通过包含大量训练数据集的算法和标记来完成他们的任务。另一个例子是人脸识别软件,它将数千张面部照片或视频输入系统,直到它能够从未标记的样本中更准确地检测到面部。

但是当上述相同的AI系统应用于完全不同的任务时,它们就变成了“浪费”。这些缺陷并不是AI研究人员的秘密,但这些机器学习系统经常被吹捧为人工智能的最前沿。事实上,他们并不是很聪明。

乌鸦将岩石放入容器中并抬高水面以解决口渴问题。狼必须学会在广阔的荒野中自给自足。动物面临的大多数问题没有明确定义的环境,并且没有特定的数据库来运行程序,并且有检查和纠正错误的经验。

6d2be2da443e4ceba3cad13ef45c6541.jpeg

如何提高学习的泛化能力?目前的强化学习算法和动物学习有什么区别?

在不同的动物上测试了该比赛的10级测试。 AI代理想要击败动物,不仅要完成,还要达到更高效的效果。对于尚未普及的泛化能力的AI研究领域,赢得这场比赛并不容易。

竞赛组织成员马修克罗斯比说:“虽然我们都希望人工智能在这场比赛中表现更好,即使失败了,但这不是一次性的比赛。我们希望用人工智能创造一个类似动物的代理人,这是总是如果你想从食物中获取最大的收益,当它不容易获得食物时,它也应该热衷于探索环境,并在一个多种可能的环境中做出明智的决定。“

看看更多

08: 44

来源: PingWest播放

动物v.s.人工智能奥运会:你会赌一只鸟或机器人赢吗?

我们必须面对这样一个事实:人工智能:事实上,今天的人工智能很少有智能成分。基于对算法和大数据的深入学习,人工智能系统可以在明确的环境和问题的前提下表现良好。

这就是为什么谷歌AlphaGo以4: 1击败了世界冠军Go和专业九段球员李世石的原因;汉森机器人索菲亚可以向你吐出莲花,“生命的人工智能”这个标志疯狂地希望摧毁人类。

人工智能研究的真实状态远远落后于我们所相信的技术神话。尽管大多数研究结果都是真实的,但其中许多都是基于人工智能主题的炒作。

137a2f01a29d4dbebbabce38552c7408.jpeg

人工智能的最终梦想是让机器独立思考的能力不是“培训评估”。检查机器真的有智能,让机器通过图灵测试,但直到今天图灵测试还没有被打破,这可能是一件好事也是一件坏事。如果我们不以更健康的现实主义和怀疑主义来对待人工智能,那么这个领域可能会永远留在车辙中。

帝国理工学院和剑桥大学联合举办的“动物与人工智能奥运会”刚刚开始,这是一项有趣的竞赛实验。正如组织者之一马修克罗斯比所说,更多的咀嚼,竞争对手和创始人都无法控制和颠覆。

96c95d1cf6fc42a8849c630b1ac1069e.png

真正的比赛,体育场的最终布局只能在“当天”看到

新的AI“培训课程”正在使用随机生成的环境进行测试和开发,就像“动物与AI奥运”一样。

该竞赛组织已经发表了大约50项关于动物的智能文献研究,该团队可以基于大量开放的训练环境和物体建立AI动物代理的“大脑”。

这是一个泛化挑战,因此在训练测试中,他们必须以不同的方式使用对象,同时还要使对象学会适应环境。挑战者需要建立场景并与场景互动,最后提交一个代理商,以寻找像动物一样的食物狩猎活动。

“这场比赛的焦点在于人工智能从未见过的任务,所以最终的比赛场景是什么,只有这一天才知道,”该活动的组织者之一马修克罗斯比说。尽管最终游戏并没有“分散注意力”,但在动物的50个智能文献研究中有一些有趣的例子,供参与者构建AI代理的大脑。

cc188139980e4f55b218f74ba81d78bc.gif

通过模拟动物获得的药剂的一个例子

例如,在经典实验中,将一些不透明的杯子放在动物的前面,并将一些食物放在其中一个杯子中。动物的任务是找回食物。首先,将食物放入A杯中(相当于训练阶段),但在最后一场比赛中,食物将被放置在B杯下面。对于一些动物,如黑猩猩,他们会直接选择B杯,但有些动物会选择A杯,因为他们通过记忆学习来完成任务。

另一个例子是受伊索寓言启发的实验:乌鸦可以学习拾取岩石并将它们放入水中以提高水位。但是在实验中,你可以建立一个岩石和软木块的环境,乌鸦应该学会选择岩石而不是软木塞进入水中。

“这些测试捕获了许多被认为非常困难的人工智能研究元素,例如促进知识,转移学习,综合新信息,甚至创造性地解决问题。参与者面对大量不同的环境训练集,以应对最终的未知种族场景,“Matthew Crosby解释道。

da1546254f424fe699a7184b34caf397.gif

乌鸦可以在水和沙子面前做出正确的选择。 “10级”看到了差异,AI想赢得并不容易

比赛分为十个级别,测试的成功取决于成就的程度。对于大多数动物来说,基本范围可以解决,只有少数动物可以解决困难和高水平的实验。

“觅食测试”是一项入门测试。它可以测试AI代理商获取食物的能力。他们在短时间内获得的食物越多,越强。

“偏好测试”将进一步评估该药剂的优越性能。尽管不同动物的方式存在差异,但几乎所有动物都使用最简单,最有效的获取食物的方法,其中一些方法对最有益的长期行为做出了复杂的决定。

“疾病测试”,“劣势测试”,“空间推理测试”,“内部模型测试”将从代理的动作,风险规避,导航规划和视觉输入记忆中检查代理的多种能力。

8ee2cb89147a433fb2e77e795388e7f6.gif

AI代理人也面临与狗类似的障碍测试

“泛化测试”,这个级别包括一些与以前的测试看起来不同的环境,但解决方案仍然是相同的,并且不加批判的代理可以希望清除习俗。

“物体生存测试”,当一个物体从视野中消失时,许多动物可以理解它仍然存在。这是人类认知的范围可以理解,但AI不能。如果你无法理解这个功能,许多简单的人很难实现机器交互,以及开发人员如何将其融入AI将是竞争的一个亮点。

“高级偏好”意味着代理通过更复杂的决策获得更高级别的奖励。

作为最终测试,“因果推理测试”希望看到代理能够提前计划并在实施之前预测结果。该测试已在一些动物中得到验证。

现在虚拟奥运会上线,奖金将达到32,000美元。比赛的最终结果将于2019年12月公布。只有这样,我们才能清楚地了解现代人工智能是否比乌鸦,狗或黑猩猩更聪明。在这个等待时间内可能发生的事情仍然非常令人期待。

20a81cc54e7849cd94cbc258bf930f46.png

比赛现场模拟地图这个虚拟奥运会是AI的突破性机会

新闻,例如“某个AI代理已达到鼠标水平”,大多数人可能不会被移动甚至蔑视:区域中鼠标的智能水平是多少。可以肯定的是,我离动物还很远。

最先进的人工智能可以超越人类成为最佳的Go玩家,最好的医生,甚至是测验冠军,但仍然无法与简单的动物竞争以适应环境的意外变化。通常,AI基准测试涉及掌握单个任务,没有自由意志,也没有意识。它们只是遵循智能人员定义的流程的产品,无法自行决策。

d513c9c740cf457db07bcc05790fd331.jpeg

网络红色机器人索菲亚是人工智能炒作的产物吗

我们最好的机器学习算法通常只是记忆和运行统计模型。几乎所有自动化操作的计算机程序都称为AI。例如,在Go游戏中,击败一个大师,机器学习规则,从对手的视频,“偷老师”,然后“过河打破桥梁”。

在机器学习中,例如深度学习和神经网络,人们继续训练机器,直到他们可以通过包含大量训练数据集的算法和标记来完成他们的任务。另一个例子是人脸识别软件,它将数千张面部照片或视频输入系统,直到它能够从未标记的样本中更准确地检测到面部。

但是当上述相同的AI系统应用于完全不同的任务时,它们就变成了“浪费”。这些缺陷并不是AI研究人员的秘密,但这些机器学习系统经常被吹捧为人工智能的最前沿。事实上,他们并不是很聪明。

乌鸦将岩石放入容器中并抬高水面以解决口渴问题。狼必须学会在广阔的荒野中自给自足。动物面临的大多数问题没有明确定义的环境,并且没有特定的数据库来运行程序,并且有检查和纠正错误的经验。

6d2be2da443e4ceba3cad13ef45c6541.jpeg

如何提高学习的泛化能力?目前的强化学习算法和动物学习有什么区别?

在不同的动物上测试了该比赛的10级测试。 AI代理想要击败动物,不仅要完成,还要达到更高效的效果。对于尚未普及的泛化能力的AI研究领域,赢得这场比赛并不容易。

竞赛组织成员马修克罗斯比说:“虽然我们都希望人工智能在这场比赛中表现更好,即使失败了,但这不是一次性的比赛。我们希望用人工智能创造一个类似动物的代理人,这是总是如果你想从食物中获取最大的收益,当它不容易获得食物时,它也应该热衷于探索环境,并在一个多种可能的环境中做出明智的决定。“

看看更多

只提供信息存储空间服务。

动物

克罗斯比

乌鸦

食品

阅读()