โมเดล AI ของ MIT สามารถบันทึกความสัมพันธ์ระหว่างวัตถุได้ด้วยตัวเองโดยใช้ข้อมูลการฝึกเพียงเล็กน้อย

ระบบการเรียนรู้เชิงลึกทำงานโดยเลือกรูปแบบทางสถิติในข้อมูล นั่นคือวิธีที่ระบบตีความโลกทัศน์ของตัวเอง อย่างไรก็ตาม วิธีการเรียนรู้ทางสถิตินี้ต้องใช้ข้อมูลอินพุตจำนวนมาก และไม่มีประโยชน์อย่างยิ่งในการช่วยให้ระบบการเรียนรู้เชิงลึกนำความรู้จากอดีตไปสู่สถานการณ์ใหม่ ซึ่งแตกต่างจาก AI เชิงสัญลักษณ์ ซึ่งช่วยให้สามารถบันทึกลำดับขั้นตอนที่ดำเนินการเพื่อสร้าง การตัดสินใจด้วยข้อมูลน้อยกว่าวิธีการแบบเดิม

• รางวัล 'โนเบลเทคโนโลยี' มอบให้กับซอฟต์แวร์ที่สอน AI ให้เรียนรู้เหมือนมนุษย์

การศึกษาใหม่ที่ดำเนินการโดยทีมนักวิทยาศาสตร์ปัญญาประดิษฐ์ที่ MIT, MIT-IBM Watson AI Lab และ DeepMind แสดงให้เห็นถึงศักยภาพของการฝึกอบรม AI เมื่อนำไปใช้กับงานเชิงสัญลักษณ์เฉพาะ เช่น การจับความหมายของภาพ ดังนั้น ในการทดลอง แบบจำลอง AI ของนักวิทยาศาสตร์ได้รับแนวคิดที่เกี่ยวข้องกับวัตถุ เช่น สีและรูปร่าง จากนั้นใช้ความรู้นั้นเพื่อสร้างความสัมพันธ์ระหว่างวัตถุต่างๆ มากมายในฉาก ในขณะที่ต้องการข้อมูลการฝึกอบรมเพียงเล็กน้อยเท่านั้น และไม่จำเป็นต้องตั้งโปรแกรมไว้อย่างชัดเจน

“เราทุกคนรู้ดีว่าการใช้คำและภาพประกอบร่วมกันเป็นวิธีที่มีประสิทธิภาพในการช่วยให้เด็กๆ เรียนรู้และจดจำแนวคิดที่เฉพาะเจาะจงได้ แนวคิดของเราเกี่ยวกับโมเดลเชิงสัญลักษณ์ AI นี้เหมือนกัน ด้วยเหตุนี้ ระบบจึงต้องการข้อมูลการฝึกอบรมน้อยลง และจะสามารถถ่ายโอนความรู้ที่ได้รับไปยังสถานการณ์ใหม่ๆ ได้ดียิ่งขึ้น” เจียหยวน เหมา หัวหน้าโครงการวิจัยร่วมกล่าว

• นักวิจัยของ Google ปล่อยให้ AI เล่นเกมเพื่อปรับปรุงการเรียนรู้แบบเสริมกำลัง

โดยพื้นฐานแล้ว โมเดล AI นี้ประกอบด้วยองค์ประกอบการรับข้อมูลซึ่งแปลงรูปภาพเป็นการตีความตามวัตถุ และเลเยอร์ภาษาที่แยกความหมายจากคำและประโยค จากนั้นจึงสร้าง “โปรแกรมเชิงสัญลักษณ์” ที่ช่วยให้ AI รู้วิธี ตอบคำถาม. นอกจากนี้จะมีโมดูลที่สามที่รันโปรแกรมสัญลักษณ์ในพื้นหลังและให้คำตอบอัปเดตความรู้เป็นโมเดล AI เมื่อเกิดข้อผิดพลาด

นักวิจัยได้ฝึกฝนโมเดล AI นี้กับรูปภาพ รวมกับคำถามและคำตอบที่เกี่ยวข้องมากมาย ความสามารถของ AI ในการทำความเข้าใจภาพได้รับการดูแลโดยมหาวิทยาลัยสแตนฟอร์ด โดยทั่วไปแล้ว AI จะต้องตอบคำถามเช่น วัตถุมีสีอะไร? มีวัตถุกี่ชิ้นที่อยู่ถัดจากวัตถุอื่น? หรือวัตถุนี้ทำจากวัสดุอะไร? ความซับซ้อนของคำถามจะเพิ่มขึ้นตามธรรมชาติตามระดับความเข้าใจของโมเดล AI และในขณะที่เชี่ยวชาญแนวคิดระดับวัตถุ โมเดล AI จะเรียนรู้วิธีสร้างการเชื่อมต่อระหว่างวัตถุและวัตถุต่าง ๆ คุณสมบัติของพวกมันเข้าด้วยกัน นี่ถือได้ว่าเป็นขั้นสูง

• Winnow ใช้คอมพิวเตอร์วิทัศน์เพื่อช่วยลดของเสียในการแปรรูปอาหาร

ในการทดลอง โมเดล AI นี้แสดงให้เห็นว่าสามารถตีความฉากและแนวคิดใหม่ๆ ได้เกือบสมบูรณ์แบบ เหนือกว่าระบบ AI ขั้นสูงอื่นๆ โดยใช้รูปภาพเพียง 5,000 ภาพ และคำถาม 100,000 ข้อ (เทียบกับประมาณ 70,000 ภาพ และ 700,000 คำถามสำหรับโมเดล AI ทั่วไป) . ในอนาคต งานหลักของนักวิจัยคือการปรับปรุงประสิทธิภาพของโมเดล AI ในการทำความเข้าใจภาพถ่ายในโลกแห่งความเป็นจริง จากนั้นค่อย ๆ ก้าวไปสู่การจัดการวิดีโอและหุ่นยนต์