李飞飞团队新论文:新网络新策略,让AI通过视觉观察实现因果归
时间:2019-11-20 17:44:46 来源:北隍门户网站

鱼和羊来自奥菲庙

量子位报告

所谓因果,作为一个人,你当然不是陌生人。

银杏叶是黄色的,因为寒露已经到了。你的胃开始咆哮,因为该吃饭了。

因果推理这个词似乎并不常见,但事实上,它是人类与现实世界互动的一种基本能力。

对于人工智能来说,因果推理能力也非常重要。随着深度学习模式在各个领域的巨大成功,其缺乏因果推理能力的问题逐渐暴露出来。如果没有一个正确的因果模型,这些机器学习方法的一般化是很成问题的。例如,为图像生成指令的模型有时会生成一些脱离现实的指令。

这个人工智能不是很聪明。

图灵奖获得者朱迪亚·珀尔(Judea pearl)曾指出,机器学习的突破在于“因果革命”。

现在,李菲菲团队带来了他们对因果推理的最新研究:

人工智能被允许在视觉观察中逐渐生成因果图,并根据归纳图选择性地决定动作。

那么,他们如何赋予人工智能因果推理的能力呢?

对人工智能来说,因果归纳和推理是两个不同的阶段。

例如,如果你进入一个有很多灯的陌生房间,并且想在事先不知道线路的情况下打开灯,你必须首先尝试每个开关,并找出开关和灯之间的对应关系。

人工智能触发开关的第一阶段是因果感应。在这个阶段,代理通过执行动作和观察结果来发现潜在的因果关系。

第二阶段是因果推理。代理使用获得的因果关系来决定完成任务的行动。

为了建立有效的因果归纳和推理计算模型,有必要在测试过程中完成新因果关系和新任务目标的泛化。

在第一阶段,李菲菲团队使用因果归纳模型,基于代理人的观察数据构建因果结构,即随机变量的有向无环图。

这里使用的新技术是迭代因果归纳网络。

迭代因果归纳网络

为了从原始的感官观察中归纳出因果结构,有必要准确捕捉每种行为对环境的独特影响,并考虑其他行为的混合影响。

研究团队假设,能够最好地总结因果关系的归纳网络将是能够分解个体行为及其相应影响的网络,并且只更新因果图的相关组件。

在迭代模型中,因果结构的边缘权重被假设为0(即没有因果关系),并且每个观察数据帧被映射到一个代码。

然后,计算跨时间步长的状态嵌入之间的差异(即,状态残差),并将其与相应的动作相关联。

这些数据被馈送到边缘解码器模块,该模块负责预测边缘更新和用于测量如何将边缘更新应用于节点的注意向量。

最后,应用更多基于当前图的边缘更新,并输出最终预测图。

在第二阶段,因果结构用于将目标条件策略置于背景中,以执行指定目标的任务。因果结构的构造是显式的,因此新的问题实例可以更好地在长期任务中推广。

研究小组提出了一个基于注意力图编码的目标条件策略。

学习目标条件策略

该策略的目的是给出初始图像、目标图像和预测的因果结果,并在指定的时间步长内完成设定的目标。

输入数据是当前图像、目标图像和预测因果图。假设最佳策略集中于学习与当前任务步骤相关的因果图的边缘。

编码当前图像和目标图像。基于这种编码,因果图中“效果”上的注意向量被输出以提取相关边缘。然后,用图像编码对其进行映射,以预测最终动作。

新方法有多有效,仍有必要通过实验来讨论。

迭代因果诱导网络的比较对象是使用时间卷积的非迭代诱导模型和没有注意机制的诱导模型。

在大多数实验条件下,李菲菲小组的方法(蓝条)优于对照组。

人工智能学习因果推理有什么用?

李菲菲团队曾经建造了这样一个人工智能来“展望未来”。

一个男人从汽车后面绕了过来。他是谁?你要去哪里?你想要什么?

这种人工智能不仅“预测”了路线,而且回答了“开门”的正确答案。

对人类来说,做出这样的预测并不难。以特定的目的为指导,理解一个人的目的,就可以推断出他想去哪里,想做什么。

同样,对于人工智能来说,在完成目标导向的任务时,学习因果推理可以事半功倍。

论文的第一项工作是斯坦福大学的博士苏拉吉·奈尔,他是谷歌大脑的实习生。

他在李菲菲的丈夫西尔维奥·萨瓦雷斯教授手下学习。

这篇论文的另一位作者是柯宇·朱,斯坦福视觉与学习实验室的成员,该实验室由李菲菲、西尔维奥·萨瓦雷斯和胡安·卡洛斯·尼尔斯领导。

柯宇朱今年8月刚刚从斯坦福大学毕业,将于2020年秋季加入奥斯汀的德克萨斯大学。

李菲菲和她的丈夫西尔维奥·萨瓦雷斯是这篇论文的另外两位作者。

论文地址:

https://arxiv.org/abs/1910.01751

-完毕-

真诚的招聘

量子比特正在北京中关村招聘编辑/记者。期待有才华和热情的学生加入我们!详情请回复qbitai对话界面中的“招聘”一词。

量子位qbitai

跟踪人工智能技术和产品的新发展

500万彩票 500万彩票网 幸运28购买 重庆彩票网

上一篇:护鸟巡查 执法者假日无休
下一篇:市委党校2019年秋季学期主体班举行开学典礼
推荐阅读

© Copyright 2018-2019 nurlyla.com 北隍门户网站 Inc. All Rights Reserved.