南加州大学的一组研究人员正在帮助人工智能做一些人类更容易做的事情:想象看不见的东西。

设计技术可能导致更公平的A.I.,新药,增加自主车辆安全性。

由计算机科学教授开发的人工智能制度Laurent Itti和Phd学生Yunhao Ge,Sami Abu-el-Haija和Gan xin,实际上使用它“知道”的属性,然后思考从未思考 -看到对象。

人类可以通过属性分离他们的学习知识 - 例如,形状,姿势,位置,颜色 - 然后重组这些因素来想象一个新的对象。

该团队受到了人类视觉泛化能力的启发。南加州大学的研究人员希望在机器上模拟人类的那种想象力,该研究的主要作者Ge说。

“在人类看到红船和蓝色汽车的图像之后,他们可以分解并重组学习知识以想象红色的红色图像,”Ge告诉金宝搏官网在下面的短Q&A中。

南加州大学的团队使用神经网络模拟了同样的过程。

“想象力”系统输出的想法是所学知识的结合。上图展示了一个简单的例子,展示了机器如何训练五个独立的字母,每个字母都有自己的颜色和背景,产生了一个组合所有数据的想法:一个棕色小写字母“g”在金色背景上。

本文题为零拍摄综合与群体监督学习该研究发表在今年5月7日举行的2021年学习表征国际会议上。

如何'解散'机器视觉障碍

机器最常见的训练是基于样本特征,比如像素,而不考虑对象的属性。

在这项新研究中,南加州大学的研究人员试图用一种叫做“解纠缠”的概念来克服这一限制。该方法采用一组样本图像,而不是传统算法一次一个样本,并挖掘它们之间的相似性,以实现一种称为“可控解纠缠表示学习”的想法。

接下来,重组知识以实现“可控新颖的图像合成”,或者您可能会调用想象力。这有点像大屏幕上的机器人。

“拿走变形金刚电影《葛优在早些时候的新闻发布会上说.它可以是威震天汽车的形状,黄色大黄蜂汽车的颜色和造型,以及纽约时代广场的背景。结果就是一辆大黄蜂颜色的威震天汽车在时代广场上行驶,即使在训练期间没有看到这个样本。”

在采访中金宝搏官网下面,GE解释了Disentangement如何扩大应用程序的机会。

金宝搏官网:传统的人工智能是根据样本和图像数据训练的,对吧?你如何训练机器变得“富有想象力”?一个系统是否必须训练“学习”的组件或属性,可以交换进出?

云豪戈:训练机器“想象力”,我们有一个假设,人类可以自由“因式分解”学到的知识和他们想象一个新的“组合”看不见的场景“想象力”例如,在人类看到的图片红色船只和蓝色的汽车,他们可以分解和重组学到知识想象小说红色汽车的图片。

基于这一假设,我们提出了一种新的学习范式——群体监督学习,它以一组样本作为输入,学习样本之间的相似性。可控解纠缠表示学习模拟了人类的“知识分解重组能力”,实现了模拟“想象”的零拍合成。

在我们的论文中,具有属性标签的示例是用于综合新的看不见方案的基本元素的示例。在不同的任务中,属性的含义可能会发生变化。“交换进出”是试图模拟重组能力的一种方式;您可以使用不同的方式来实现我们集团监督学习范式的这种模拟。

金宝搏官网:您对这种系统设想了哪些其他特定应用程序?哪个应用程序呼唤最“想象力?”

云豪戈

  1. 发现新的药物。将现有药物的某些已学功能结合在一起,合成或发现具有所需功能的新药。
  2. 对于公平决策,基于我们可控的解除不良能力,我们可以将不希望的因素分解,并避免在决策期间考虑它们。例如,在某些决定中不应考虑种族和性别以确保公平性。我们的团体监督学习可以首先解散比赛和性别信息,并在决定期间使用其余信息。
  3. 将我们的方法作为数据增强方法,通过想象生成新的数据。

金宝搏官网:以富有想象力的方式在线如何。帮助自行车?

云豪戈:我们可以利用所学到的经验来综合或想象一些极端或危险的情况,教会自动驾驶系统避免这种情况,有助于提高鲁棒性和安全性。

类似于公平问题,我们不希望自动驾驶系统在决定期间考虑一些因素。我们可以使用可控解散的代表学习能力解开无用因素并在决定期间删除它们,以帮助消除决策偏差,这有助于安全。

金宝搏官网:保护该系统的保护性,从开发富有想象力但危险的设计理念?

云豪葛:这种学习模式是由用户控制的;设计师应该是有道德的。

金宝搏官网:你下次工作的是什么?

云豪葛:我们希望使我们的方法更一般,释放数据集和应用程序的要求。我们还希望将方法扩展为不同的数据模型和任务。

你怎么看待“富有想象力”A.I.?分享您的问题和评论。