Los investigadores están tratando las redes neuronales como un niño pequeño otra vez

Mira caer el bloque – ¡Boom!

El estudio de los principios básicos de la física que rigen el mundo comienza en el primer año de vida, cuando el niño comienza a controlar los movimientos de sus brazos y piernas (en lugar de actuar como un bicho al revés). Entonces el bebé comienza a atrapar los objetos que tiene a su alcance y experimenta con ellos. Además de quizás el reflejo más común de meterse todo en la boca (porque uno tiene que probar el sabor de un crujido de perro que se encuentra debajo de un sofá que probablemente sea mayor que el propio niño), también hay un reflejo de empujar, tirar o arrojar objetos que hayan caído en la boca del niño.brazos. Así es como un niño aprende física. Las cosas estiradas caen hacia nosotros, empujan en la dirección opuesta, tiran – caen (o se rompen en mil pedazos. Es una pena para el jarrón, mamá).

Hace algún tiempo, escribimos sobre cambiar el enfoque del aprendizaje de IA, que ahora mejorará paso a paso, a un modelo que se parece más a enseñar a un niño pequeño. La investigación propuesta por DeepMind parece ampliar esta idea. Además, los investigadores intentaron implementar un mecanismo de sorpresa cuando el objeto observado no se comporta como se esperaba.

Bloques virtuales

Una red neuronal llamada PLATO (Physics Learning through Automatic Object Coding and Tracking) se entrenó en aproximadamente 30 horas de videos que mostraban objetos simples en movimiento, como bloques de cubos y esferas. Aprendió a responder a los cambios en la posición de los elementos y su velocidad. Los patrones más importantes que la IA pudo establecer estaban relacionados con la continuidad constante de la existencia de un objeto. Por ejemplo, una bola rodante se movía continuamente a lo largo de su trayectoria del punto A al punto B, y no solo se teletransportaba de un punto a otro.

El segundo tema importante fue la fuerza de los elementos presentados, que no permitieron que su forma cambiara o penetrara entre sí.

Tengo una pelota, sin pelota

Después del entrenamiento, PLATO adquirió la capacidad de predecir los movimientos posteriores de los elementos que se le presentaban en la película. Sin embargo, cuando un objeto en la pantalla no se comportó como predijo la IA, mostró sorpresa. Para los investigadores, la medida de esta sorpresa fue la magnitud de la diferencia entre la situación de la película y la predicción generada por PLATO.

Recuerda que PLATO no es un modelo de comportamiento que imita a los bebés humanos. Sin embargo, sus resultados pueden utilizarse para probar hipótesis sobre el aprendizaje de los niños.

Esperemos que el trabajo de inteligencia artificial de vanguardia del que hemos estado escuchando últimamente pronto lleve a los investigadores a algunas conclusiones interesantes sobre nosotros mismos.

Fuente: nature.com