Ein neues KI-System bestanden einen visuelle Turing-Test

Ein Team von Forschern am mit entwickelte sich eine künstliche Intelligenz-System, das menschliche Richter zu täuschen, zu denken, es ist eine Person, bei der Zeichnung unbekannter Brief-ähnliche Zeichen.

Sie können das Experiment, als eine Art visuelle Turing-Test in der neuen Ausgabe von Science, detailliert vorstellen. Die Software und Mensch ergeben einen neuen Charakter – etwas, das aussieht wie ein Brief, aber nicht ganz. (Sie können einige Beispiele im Bild oben sehen.) Dann wurden sie beide gebeten, um subtile Variationen über Charakter zu produzieren. In anderen Tests wurden stattdessen Menschen und Computer mit eine Reihe von unbekannten Zeichen geliefert und aufgefordert, eine neue zu produzieren, die mit der Charge passen.

Ein Team von menschlichen Richter wurde dann gefragt, um herauszufinden, welche Ergebnisse von Computer und die produziert wurden durch den Menschen. Über alle Aufgaben, die Richter konnten nur identifizieren die AI Bemühungen mit etwa 50 Prozent Genauigkeit – das ist das gleiche als Chance.

(Denken Sie besser als die Richter tun können? Im Bild oben produzierte eine Jury aus neun Formen entweder die KI oder einen Menschen für jeden Charakter. Erkennst du, welche Panel von einem Computer generiert wurde? Die Antworten sind am unteren Rand der Seite.)

Es mag wie eine seltsame Experiment, aber es hat einige tiefgreifende Auswirkungen. Haben in der Regel, Sie sehen, KI Systeme auf massive Datenmengen geschult werden, bevor sie eine Aufgabe ausführen können. Im Gegensatz zu Computern können Menschen durchführen, was die Forscher als "One-Shot-lernen" mit vergleichenden Leichtigkeit bezeichnen.

Die Forscher vermuten, dass sie, eine KI, die das gleiche tun erstellt haben, kann mit einer Technik namens Bayes-Programm lernen. Das erkennt und erfährt, dass Zeichen mit einem Ansatz, die ähnlich wie Menschen Konzepte zu verstehen. Das Team erklärt, wie die Software funktioniert:

Während ein herkömmlicher Computerprogramm systematisch eine übergeordnete Aufgabe in seiner grundlegenden Berechnungen zerfällt, erfordert eine probabilistische Programm nur sehr lückenhaft Modellcharakter für die Daten, die, denen es auf betreiben wird. Inferenz Algorithmen füllen Sie dann in die Details des Modells durch die Analyse einer Vielzahl von Beispielen.

Hier die Forscher Modell angegeben, dass Zeichen in menschlichen Schreibsysteme von Schlaganfällen, abgegrenzt durch die Aufhebung des Stifts, bestehen und dass die Striche bestehen aus Substrokes, abgegrenzt durch Punkte, an denen der Stift Geschwindigkeit Null ist.

Bewaffnet mit diesem Modell, analysiert das System dann Hunderte von Motion-Capture Aufnahmen von Menschen Zeichen in mehrere unterschiedliche Schriftsysteme zeichnen lernen Statistiken über die Beziehungen zwischen aufeinander folgenden Schlägen und Substrokes sowie über die Variation in der Ausführung einer einzelnen Mausbewegung toleriert.

Scheint, dass die Ergebnisse sprechen für sich – und die Forscher nicht zu schüchtern über ihre Aufregung zu verbergen. "In der aktuellen AI-Landschaft, wurde viel Aufmerksamkeit auf die Klassifizierung der Muster," sagt Josh Tenenbaum, einer der Forscher, in einer Pressemitteilung. "Aber was verloren gegangen ist, ist, dass Intelligenz nicht nur über Klassifizierung oder erkennen; Es geht um denken. Dies ist zum Teil, warum, obwohl wir handschriftliche Zeichen zur Schule geht, sind wir nicht schüchtern über die Verwendung eines Wortes wie "-Konzept." Denn es ein paar Dinge, die wir mit noch viel reicher, komplexer Konzepte, die wir mit diesen Zeichen tun können gibt. Wir können verstehen, was sie von gebaut sind. Wir können die Teile zu verstehen."

[Science, MIT, New York Times]

Antwort: Die Netze von AI produziert wurden, zeilenweise: 1,2,1; 2,1, 1.