search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

讓AI腦補!DeepMind教會AI如何運用「想像力」 | 科技 | 新頭殼 Newtalk

DeepMind的AI研究新成果,再度挑戰人類對空間理解的極限。   圖:Pixabay
DeepMind的AI研究新成果,再度挑戰人類對空間理解的極限。   圖:Pixabay

以最狂人工智慧棋手「AlphaGo」聞名世界的DeepMind人工智慧公司,近日公布了全新的成果。他們成功讓AI由一張2D空間平面圖「想像」出空間的全貌,利用神經網路技術,讓AI如同人類一般「腦補」出那些平面照片中沒有拍到的立體細節,從而模擬出完整的3D空間。DeepMind在最新一期的《科學》雜誌上發表論文,向世界介紹名叫GQN(Generative Query Network)的新AI系統。

你有沒有想過,為什麼即使在不斷移動的過程中,我們仍然持續知道自己身在何處,並且知道要往哪個方向去才能抵達目的地?舉例來說,某照片中有一張只有三隻腳的桌子,但人類不會認為「這張桌子只有三隻腳」,而是認為在「對稱的另一側會有另一條被桌面或其他桌腳擋住的桌腳」。會有這樣的認知能力,是我們的大腦經過數千數萬年的演化得來的經驗與能力。但AI沒有這些能力,它只能接受當下接受到的圖像資訊,而無法「腦補」出那條被其他桌腳遮住的「另一隻腳」。

GQN則被訓練出一種獨特的AI合作模式:在GQN裡面,有擔綱眼睛功能的表徵網路(representation network)與思考功能的生成網路(generation network)。表徵網路將得到的資訊紀錄並傳達給生成網路,讓後者依照這些資訊去猜測未知的另一部分。而人類在AI學習「記錄」與「猜測」的過程全然不予干涉,一切「光影」、「顏色」、「大小」、「位置」等資訊,都讓AI自己試錯並糾正學習。

結果,AI不僅學會了該記錄哪些重要的資訊,還學會了應該如何猜測才有更高機率正確。在驗收階段,研究人員驚喜地發現,GQN成功地完成了從表徵網路輸入一組2D圖片,到生成網路清晰正確地還原了3D空間。可以說,GQN就像是想像出一台攝影機,在需要探索的空間中用各個角度觀察,最後將它組合成一個完整的3D空間。

隨著DeepMind在人工智慧領域的更加探討,我們可以感受到AI自我學習的能力與速度之驚人。

延伸閱讀:

Duplex太像人類引道德爭議Google:通話前會先告知是AI

誘導AI自我學習DeepMind:仰賴人類經驗太耗時



熱門推薦

本文由 newtalktw 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦