Искусственный интеллект научился предсказывать будущее

Искусственный интеллект научили предсказывать несколько следующих кадров видео на основании одного изображения. К примеру, если алгоритм глубокого обучения видит изображение с железнодорожного вокзала, он может показать поезд, отходящий от платформы. В рамках обучения искусственному интеллекту показали более двух миллионов роликов.

Система глубокого обучения просмотрела ролики, на которых были пляжи, поля для гольфа, железнодорожные вокзалы и дети в больнице. Эти видео были без маркировки, то есть отсутствовали подсказки, которые могли бы помочь искусственного интеллекту понять контекст. После этого исследователи сделали ряд фотоснимков, показывали их программе и она самостоятельно производила микрофильмы, в которых было показано, что может случиться дальше.

Чтобы обучить систему делать наиболее подходящие видео, команда использовала подход под названием «состязательные сети»: одна сеть генерирует видео, а другие – оценивают, насколько правдоподобно оно выглядит. Так две сети соревнуются между собой: одна пытается сделать видео, что обмануть другую, а вторая оттачивает свою способность отличать поддельные видео от реальных.

На данный момент искусственному интеллекту предстоит еще многому научиться. Например, он не понимает, что, когда поезд покидает станцию, он должен, в конечном итоге, покинуть и кадр. Это происходит от того, что у робота нет никаких предварительных знаний о правилах мира, иначе говоря - здравого смысла. Два миллиона видео недостаточно для того, чтобы понять, как устроен мир, и это не так много даже по сравнению с опытом десятилетнего ребенка.

В дальнейшем предвидение будущего может помочь роботам лучше понимать настоящее, позволит виртуальному помощнику распознать, когда кто-то вот-вот упадет, а автопилоту на автомобиле – предвидеть несчастный случай. Основная задача разработчиков – научить искусственный интеллект причинно-следственной структуре вещей.