受发展心理学启发,研究员开发出能预测物体运动的AI模型
2020-02-28 17:41:15爱云资讯
人类可以轻松地识别事物并对其行为进行推理,这是我们认知发展的核心。即使是儿童,他们也会根据物体动态对其进行细分,并用持久性、稳定性、连续性的概念来解释物体发生了什么,以及推测在其他情况下物体会发生什么。
受此启发,为了简化人工智能模型的视觉识别问题,来自麻省理工学院-IBM Watson人工智能实验室、麻省理工学院计算机科学与人工智能实验室、DeepMind和哈佛大学的一组研究人员引入了一套动态视频推理基准——CLEVRER,并开发出了一套能预测物体运动的模型。
CLEVRER包含了由物理引擎生成的2万多个时长为5秒的碰撞物体视频,每个视频里包含了三种形状、两种材料和八种颜色。同时还包括30多万个问题和答案。这些视频和问题全部都集中在逻辑推理的四个要素上:描述,什么颜色;说明,什么原因造成;预测,接下去会发生什么;反事实,如果发什么。
模型运行示意图
通过解析CLEVRER,研究人员确定了在描述性、解释性、预测性和反事实性问题上,训练AI模型需要的内容,分别是:对物体、事件之间的运动、因果关系,以及背后的逻辑关系进行推理的符号描述。随后,研究人员据此开发了神经符号动态推理模型(NS-DR)。
这个模型实际由四个部分合成。分别是:视频帧解析器,神经动态预测器,问题解析器和符号程序执行器。给定输入视频,视频帧解析器会检测场景中的对象并提取其轨迹和属性(即位置,颜色,形状,材质)。形成视频的抽象描述后,将其发送到神经动态预测器以预测对象的运动和碰撞。问题解析器接收输入问题以获得代表其逻辑的功能程序。然后,符号程序执行器在动态场景上运行该程序并输出答案。
根据该团队报告,在用1000个程序应用了该模型后,他们的模型对问题的识别准确率达到了88.1%,优于其他基准模型。在解释性,预测性和反事实性问题上,则有更好的表现。
研究人员指出:“ NS-DR 将动态规划纳入视觉推理任务中,可以直接预测未观察到的运动和事件,并可为预测性和反事实性任务启用。其次,符号描述为视觉,语言,动力和因果关系提供了强大的基础。通过设计,它使模型能够明确捕捉视频的因果结构和问题背后的逻辑构成。”
不过,研究人员也承认,即便训练所需的数据量相对较少,但模型在实际应用中仍很难使用。此外,在需要长期动态预测的任务(例如反事实问题)上,NS-DR的性能也没有那么高,这表明未来仍需要一种能够生成更稳定和准确轨迹的动态模型。
- MongoDB观点:让生成式AI成为业务增长的新动能,游戏公司可以这样做
- 京东先人一步上线影石Insta360 X4相机 丰富AI功能助你拍摄精彩视频
- 人形机器人行业迎发展重要转折点,苹果/微美全息前瞻布局共研AI+创新应用新篇章
- WOT全球技术创新大会2024北京站:AIGC与大模型的未来风暴
- 百度何俊杰:智能体,创造AI原生未来
- Suno V3引爆AI音乐产业链机遇 券商看好万兴科技昆仑万维等投资机会
- 三盟科技推出AIGC助手广场 引领教垂大模型走向“智变”
- “大模型”时代 路凯智行如何Rock AI
- 第八届社交媒体风向大会 | 20+AI专家,预测AI下的产业新风向
- 影驰AIGC创意设计大赛正式上线!AI樱花季,曜你不同
- 马斯克感慨硅谷AI人才争夺疯狂 万兴科技百万年薪邀人才共赴AI大时代
- 木愚科技亮相中国高等教育博览会,AIGC实训方案助力高职院校人才培养
- 百度文库官宣「AI创作」体验官李雪琴,带来AI办公提效新范式
- AI赋能千行百业:湖南卫视首创AI导演 万兴“天幕”革新视频内容创作
- 西云算力举办AIGC沙龙,CTO梁峰分享“全系列全场景智算基础设施”
- 高通钱堃:5G+AI赋能数字化转型,将带来下一个创新周期