Estás leyendo la publicación: Inspirándose en la psicología del desarrollo, los investigadores de Deepmind desarrollan un modelo de aprendizaje profundo para aprender física intuitiva
Los videojuegos de Atari, los juegos de mesa como el ajedrez y el go, las dificultades científicas como el plegamiento de proteínas y el modelado del lenguaje: todas estas actividades ahora están siendo dominadas por la inteligencia artificial (IA), que ha logrado avances asombrosos en los últimos años. Sin embargo, se ha vuelto cada vez más evidente que todavía falta algo esencial como resultado del éxito en estos campos específicos. Los sistemas de IA modernos se ven particularmente desafiados por la información de “sentido común” que dirige la predicción, la inferencia y el comportamiento en contextos humanos comunes.
En un estudio reciente, los investigadores de Deepmind se concentraron en un área específica de conocimiento de sentido común: la física intuitiva, la red conceptual que respalda la comprensión de las características e interacciones de los objetos macroscópicos. No hace falta decir que la física intuitiva es crucial para toda actividad práctica, pero también sirve como base para el conocimiento conceptual y la representación compositiva en general. Sin embargo, a pesar del gran esfuerzo, los desarrollos recientes en IA aún no han producido un sistema que tenga una comprensión de la física intuitiva equivalente incluso a los niños muy pequeños.
El equipo se inspiró con frecuencia en la psicología del desarrollo, donde la adquisición de conocimientos físicos intuitivos ha sido un área importante de estudio para explorar una intuición física de sentido común más rica en los sistemas de IA. Los investigadores integraron el descubrimiento básico de la literatura sobre el desarrollo, que la física se comprende a nivel de objetos discretos y sus interacciones, en un sistema de aprendizaje profundo.
Además, los investigadores utilizaron la psicología del desarrollo para abordar el problema de determinar conductualmente si un sistema de IA tiene conocimientos sobre física intuitiva.
Los psicólogos del desarrollo han utilizado dos conceptos rectores para crear sondas conductuales para estudios en niños. Primero, la base de la física intuitiva es una colección de ideas distintas que pueden distinguirse, operacionalizarse e investigarse individualmente. El trabajo es bastante diferente de los enfoques convencionales en IA para aprender física intuitiva porque se enfoca específicamente en conceptos discretos. Estos enfoques generalmente miden el progreso a través de métricas de predicción de video o estado, predicción de resultados binarios, rendimiento de respuesta a preguntas o alta recompensa en tareas de aprendizaje de refuerzo.
La segunda regla que emplean los psicólogos del desarrollo cuando examinan los conceptos físicos es que tener un concepto físico equivale a desarrollar un conjunto de expectativas sobre cómo se desarrollará el futuro. El paradigma de violación de expectativas (VoE), una forma de medir la comprensión de una noción física particular, surge de este andamiaje conceptual.
Los investigadores ofrecen matrices visualmente idénticas que son consistentes o inconsistentes con esa idea física a los bebés que usan el paradigma VoE para investigar un concepto en particular. Si los bebés se sorprenden más por la matriz imposible, esto indica que no se cumplieron sus expectativas, que se basaban en su comprensión de la noción física bajo investigación.
Los investigadores evaluaron el modelo utilizando un conjunto de datos definido externamente con apariencias, formas y dinámicas únicas sin ningún tipo de reentrenamiento para probar la capacidad de generalización de la red. Los hallazgos giran en torno a cuatro hallazgos principales. Primero, a pesar de haber sido entrenado con datos de video en los que no ocurrieron los eventos de prueba precisos, el modelo basado en objetos demostró efectos de VoE sólidos en los cinco conceptos examinados. En segundo lugar, los investigadores descubrieron que los efectos de VoE vistos en el modelo disminuyeron o desaparecieron en modelos bien emparejados que no usaban representaciones centradas en objetos, en línea con las expectativas basadas en la literatura de desarrollo. En tercer lugar, los investigadores descubrieron que, incluso con solo 28 horas de datos de entrenamiento visual, era posible obtener fuertes efectos de VoE. El modelo se generalizó, según los investigadores, a un conjunto de datos que se creó por separado y contenía formas y dinámicas de elementos nuevos.
Conclusión
Numerosas formas de razonamiento de “sentido común” se han convertido en un importante foco de investigación para la IA. Un estudio reciente realizado por investigadores de Deepmind detalló los avances realizados en el desarrollo de sistemas de aprendizaje profundo que crean conocimiento en el área de la física intuitiva, un área particular pero fundamental del sentido común, basada en la experiencia perceptiva. Para diseñar un modelo capaz de aprender física intuitiva, los investigadores se inspiraron en la psicología del desarrollo para monitorear el progreso cuantitativa y sistemáticamente. Los investigadores agregaron representación y computación centradas en objetos al modelo, que estuvo directamente influenciado por las descripciones de la física intuitiva temprana.
La investigación se basa significativamente y está estrechamente relacionada con una serie de trabajos anteriores en ciencia cognitiva computacional e inteligencia artificial. El equipo cree que sería emocionante ampliar el trabajo de modelado actual para abordar cuestiones importantes de la psicología del desarrollo de manera aún más directa.
Este artículo está escrito como un artículo de resumen por el personal de Marktechpost basado en el trabajo de investigación ‘Iaprendizaje intuitivo de la física en un modelo de aprendizaje profundo inspirado en la psicología del desarrollo‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel.
Por favor no olvides unirte Nuestro subreddit de ML
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
