AI가 아기처럼 생각하게 해주세요! DeepMind “Plato” 모델이 Nature 하위 저널에 게재됨

논문 주소: https://www.nature.com/articles/s41562-022-01394-8

그러나 이 프로젝트에 대해 이야기하기 전에 모두가 이해할 수 있도록 예를 들어야 합니다.

내가 펜을 들고 네 앞에 섰다가 등 뒤에 펜을 숨기면 너는 펜을 볼 수 없겠니?

하지만 그 펜은 분명 아직 존재하고 있죠.

이렇게 단순한 진실은 여러분뿐만 아니라 두 달 된 아기도 이해합니다.

그런데 그 이유는 매우 흥미롭습니다. 과학자들은 사람들이 왜 이 원리를 자연스럽게 이해하는지 궁금해합니다.

딥마인드의 이야기는 이런 단순한 호기심에서 시작됩니다.

아기들이 아무것도 이해하지 못한다고 생각하시나요?

우리는 수천 가지 물리학 상식 중 하나로 "펜을 내려놓으면 보이지 않지만 펜은 여전히 ​​거기에 있다"라고 부르며 딥마인드 과학자들은 AI와 아기의 물리학 상식을 비교하고 싶어합니다.

프린스턴 대학의 Luis Piloto와 그의 동료들은 물리적 세계의 상식적인 법칙을 이해할 수 있는 딥 러닝 AI 시스템을 개발했습니다.

이런 식으로 미래의 컴퓨터 모델은 아기와 동일한 인지력을 가진 모델로 인간의 사고를 더 잘 모방하고 문제를 해결할 수 있습니다.

일반적으로 모든 AI 모델은 빈 종이로 시작한 다음 다양한 예시를 사용하여 모델을 훈련합니다. 입력 데이터와 예시를 통해 모델은 지식을 생성합니다.

그러나 과학자들은 아기에게는 그렇지 않다고 지적합니다.

아기는 처음부터 배우는 것이 아니라 객관적인 것에 대한 편견을 가지고 태어납니다.

위의 숨겨진 펜을 예로 들어보겠습니다. 아기들은 펜이 숨겨져 있어도 여전히 거기에 있을 것이라는 것을 선천적으로 알고 있습니다.

이것이 다음 실험의 기본 논리입니다. 즉, 아기는 태어날 때 몇 가지 핵심 가정을 갖고 있으며, 이러한 가정을 통해 아기는 자라면서 올바른 방향으로 발전할 수 있으며, 시간이 지남에 따라 아기의 지식은 점점 더 좋아지고 경험이 더욱 세련됩니다.

이것은 Piloto 팀에게 영감을 줍니다.

필로토는 백지에서 시작하여 경험 학습에만 의존하는 인공지능 모델보다 아기의 행동 패턴을 모방하는 딥러닝 인공지능 모델이 더 나은 성능을 발휘할 수 있을지 궁금했습니다.

연구원들은 이 두 가지 모델을 추가로 비교했습니다.

그들이 가장 먼저 한 일은 전통적인 방법(백지라고 일컬음)이었습니다. 그들은 AI 모델에 물체의 시각적 애니메이션을 제공하고 경사면에서 미끄러지는 블록이나 벽에 부딪혀 튀는 공과 같은 AI가 학습하도록 했습니다.

AI 모델은 이러한 애니메이션에서 움직임 패턴을 감지한 후, 연구원들은 모델이 다른 개체의 움직임 결과를 예측할 수 있는지 테스트하기 시작했습니다.

한편, 아기를 모방하는 인공지능 모델은 처음에 몇 가지 '원리'를 갖고 있는데, 이러한 '원리'의 원천은 사물 간의 움직임과 상호작용에 대한 아기의 타고난 가정에 있습니다.

간단한 예를 들자면, 아기들은 두 물체가 서로 통과하는 것이 불가능하다는 것, 물체가 허공에서 솟아오를 수 없다는 것 등을 알고 있습니다.

아기의 인지를 모방하는 AI - "플라톤"

사실 아기들이 선천적으로 알고 있는 물리학의 상식은 위에서 언급한 두 가지 점을 뛰어넘습니다. 정식 버전은 다음 5가지 사항입니다.

1. 연속성: 물체는 한 장소에서 다른 장소로 이동하지 않지만 시간과 공간에서 일정한 연속 경로를 갖습니다.

2. 개체 지속성: 개체가 시야에서 사라져도 사라지지 않습니다.

3. 견고함: 물체가 서로 관통하지 않습니다.

4. 불변성: 객체의 속성(예: 모양)은 변경되지 않습니다.

5. 방향 관성: 물체 운동의 경로는 관성의 원리와 일치합니다.

이 5가지 지식을 바탕으로 아기에게 마술을 부렸을 때 미리 설정된 인지에 어긋나는 일이 발생하면 아기는 당신이 마술을 하고 있다는 것을 알게 될 것이고, 또한 그것이 아기의 의도와 어긋난다는 것도 알게 될 것입니다. 현상은 상황이 그렇지 않습니다.

하지만 아기들은 아직 큰 아이들만큼 지식이 부족합니다. 아기들은 오랫동안 직관에 반하는 현상을 관찰한 다음 이를 자신이 미리 설정한 인지와 비교하여 마침내 누군가가 속임수를 쓰고 있다는 결론에 도달합니다.

그러고보니 아주 인기많은 영상이 생각나지 않을 수가 없네요. 부모님이 시트 뒤에 숨어서 시트를 몇 번 위아래로 흔들더니, 시트 뒤에 숨어서 재빨리 뒤쪽 방으로 숨었습니다. 아기는 시트가 사라진 후 부모를 볼 수 없을 때, 부모가 어디로 갔는지 궁금해하며 한동안 거기 서 있을 것입니다.

여기서 또 하나의 흥미로운 점이 있습니다. 즉, 아기들은 직관에 반하는 현상을 본 후 "놀라움"을 표현합니다. 이것은 당연하게 들리지만 연구원들은 이러한 독특한 성능을 AI에서도 재현했습니다.

이러한 기초를 염두에 두고 실험 결과를 살펴보겠습니다.

Piloto가 설계한 AI 모델은 PLATO(Physics Learning through Auto-encoding and Tracking Objects)라고 하며, "Plato"라고도 합니다.

PLATO는 물체가 어떻게 간단한 움직임을 수행하는지 보여주는 거의 30시간 분량의 비디오로 훈련을 받은 후 다양한 상황에서 이러한 물체의 움직임을 예측하도록 모델을 훈련했습니다.

흥미로운 점은 모델이 위에서 언급한 물리학의 5가지 상식을 드디어 학습했다는 것입니다.

보고 있는 영상에 반직관적인 내용이 있을 때, PLATO는 아기처럼 어느 정도 놀라움을 선사하기도 합니다.

Piloto와 그의 동료들은 전통적인 훈련 방법(백지 한 장)을 사용한 AI 모델이 잘 수행되었지만 알려지지 않은 것만큼 좋지 않아 비교했을 때 충격을 받았다는 것을 발견했습니다. 아기를 모방하는 AI 모델인 PLATO가 훨씬 더 나은 성능을 보였습니다.

미리 설정된 인식의 축복으로 인해 후자 모델은 객체의 움직임을 보다 정확하게 예측할 수 있고, 미리 설정된 인지를 새로운 객체 이동 애니메이션에 적용할 수 있으며, 모델에서 사용하는 데이터 세트를 훈련할 수 있으며 규모도 작아집니다.

Piloto 팀은 습득한 학습과 경험 축적이 중요하지만 그것이 전부는 아니라는 결론을 내렸습니다.

그들의 연구는 인간에게 타고난 것이 무엇이고 학습되는 것이 무엇인지에 대한 고전적인 질문을 직접적으로 지적합니다.

다음 단계는 이런 인간의 인지를 AI 연구에 적용하는 것입니다.

Piloto는 새로운 방법의 탁월한 결과를 우리에게 보여주었습니다.

그러나 Piloto는 PLATO가 아기 행동 모델로 설계되지 않았음을 강조했습니다. 우리는 단지 인공 지능을 피드백하기 위해 아기 인지의 몇 가지 방법을 빌린 것뿐입니다.

PLATO의 시뮬레이션 시스템: 피드포워드 인식 모듈(왼쪽) 및 순환 동적 예측 모듈(오른쪽)

밴쿠버 브리티시 컬럼비아 대학교의 컴퓨터 과학자인 Jeff Clune도 AI와 학습 방법을 결합한다고 말했습니다. 인간 아기는 상대적으로 중요한 방향이다.

현재 Clune은 다른 연구자들과 협력하여 물리적 세계를 이해하기 위한 자신만의 알고리즘 방법을 개발하고 있습니다.

저자 소개

Luis Piloto는 논문의 제1저자이자 교신저자입니다.

2012년 러트거스대학교에서 컴퓨터공학 학사학위를 취득한 후, 프린스턴대학교로 유학하여 2017년과 2021년에 각각 신경과학 석사학위와 박사학위를 받았습니다.

2016년에 그는 공식적으로 DeepMind에 연구 과학자로 합류했습니다.

위 내용은 AI가 아기처럼 생각하게 해주세요! DeepMind “Plato” 모델이 Nature 하위 저널에 게재됨의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!