Noll
Facebook AI-forskare uppmanar kamrater att steget ut i den verkliga världen
Tv-spelet Breakout från Atari första brast på scenen 1976. Spelet, en enkel sak att flytta en paddel horisontellt för att studsa en boll in i väggar och nagga dem, har blivit en stöttepelare för utbildning artificiell intelligens.
Men kanske är det dags att bryta sig ur Breakout.
Det var ett begrepp som kom fram onsdag morgon i en keynote-föreläsning av Joelle Pineau, en vetenskapsman med Facebook är AI-forskning enhet, på den prestigefyllda NeurIPS konferens om lärande i Montreal.
Också: IBM, Apple och Facebook utgör nya tilt mot företag för ärevördiga AI-konferens
Pineau är omedelbara oro är att alltför mycket av dagens arbete i machine learning, trots många förtjänster, lämnar ut aspekter av stringens. Till exempel, en hel del av den forskning som görs med simulerade världar, saker tillverkade i en ren mode i datorn. Dessa simuleringar kan bidra till att göra reproducerbara resultat, vilket är bra, men de missar en hel del av komplexiteten i den naturliga världen, vilket kan göra arbetet mindre meningsfullt, mindre rigorösa, Pineau föreslås.
Facebook AI-forskaren Joelle Pineau samtal till alla deltagare på NeurIPS efter hennes anförande.
“Jag älskar att simulatorer hjälpa reproducerbarhet,” sade Pineau. “Vi vill att bekvämlighet, men vi vill också inkludera en del av den verkliga världen.
“Vi måste bryta sig ut ur dessa simulatorer och ta itu med den verkliga världen”, sade hon och uppmanade.
Pineau fokuserade på en smak av maskininlärning hon brinner för, som kallas inlärning, vilket gör en omfattande användning av simulatorer. Inlärning teknik som handlar om att möjliggöra en dator som “agent” för att ta sekvenser av åtgärder i en miljö, och för att räkna ut en regel för att göra bra val mellan åtgärder som bygger på att maximera en belöning att agenten tar emot.
Också: Facebook syftar till att vara mer engagerande att människor i senaste AI-forskning
Atari ‘ s Breakout är en av många tv-spel som används för att simulera den miljö i vilken agenten gör val. Sådana simulerade utbildning har lett till datorer allt överträffar mänskliga prestationer i spel. Och många forskare undersöker lovande områdena för användning av inlärning, till exempel för kontroll av system för “neuro-stimulation” – enheter inbyggda i kroppen som kan bidra till att förhindra epileptiska anfall.
Men Pineau innebar att sådana användningsområden av avgörande betydelse för inlärning behöver för att så småningom ge sig i kast med verkliga komplexitet.
En bild från Pineau s talk, beskriver tillägg av naturliga världen buller Breakout via införandet av en video bakgrunden.
Fundera på saken, Pineau och hennes team undrade, “Kan vi göra detta till en mycket mer intressant med några naturliga världen signaler?” De in videoklipp av gatan scener i bakgrunden av Breakout, och åter tränat reinforcement learning system med nya, mer “bullriga” miljö.
Också: Facebook Oculus forskning hantverk konstigt mashup av John Oliver och Stephen Colbert
“Video är en oändlig källa av naturliga ljud,” observerade Pineau. När hon påpekade, när människor ombeds att spela spelet med video bakgrunden, “det är lite svårare, men att de fortfarande kan spela.” Det innebär att det finns utmaningar som kan uppstå när du lägger till ljud som kan resultera i mer imponerande resultat om datorn kan lyckas mot sådana motgångar.
Det är en hel del vi kan göra för att införliva naturligt buller i miljön”, sade Pineau. “Kan vi sätta ribban mycket högre i realismen i våra simulatorer.
Också: Pineau vattenrutschkanor för hennes tal är tillgänglig för nedladdning på NeurIPS webbplats
“Från statiska bilder till video bakgrund, det är en mycket längre vi kan gå.”
Som ingår “skapande av simulering miljöer som är fotorealistiska,” sade hon. Hon visade några bilder av simulerade hus inredning, med verkliga bilder ympas in i utrymmet, ända ner till påfallande reflekterande speglar.
Måste läsa
Facebook AI nu fixar buggar som stavningskontroll, korrigerar stavfel (CNET)Fyra sätt maskinen lärande är att utvecklas, enligt Facebook AI (TechRepublic)
Vad som är att vinna med allt detta, sade Pineau, är att göra “bättre vetenskap” genom att mer stringens för maskininlärning och AI.
Pineau slutade hon prata med uppmaningen: “jag uppmuntrar dig att steget ut i den riktiga världen!”
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade Ämnen:
Socialt Företagande
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
0