英文 中文 登录

谈天说地

    今日:1533| 主题:1832
收藏本版
发表新帖

DeepMind开发了一个能感知周围物体的神经网络

[复制链接]
深度大末日 发表于 2017-6-23 20:23:07
202 0

概要:神经网络让AI在3D环境下能够感知物体。
原作者:Dom Galeon
译者:彭婷
概述:Deep Mind的研究人员通过开发一个专门进行关系推理的神经网络,人为地使智能系统思考起来更像人类。神经网络让AI在3D环境下能够感知物体。
事物间的联系
在人类大脑的许多能力中,我们很容易认为通过相互联系来感知物体的这种能力是理所当然的。人脑可以感知到一个物体相对于它周围物体的位置。这种应用于实际情况的推理称为关系推理。现在,人工智能(AI)似乎也可以做到这一点。
AI学习这种三维感知并不是什么小壮举。来自Google母公司Alphabet的AI部门---DeepMind的研究人员早就能够开发神经网络的关系推理模块了。这些努力是开发具有认知能力的AI系统的一部分,而这种认知能力具有与人脑相同的灵活性和效率。
这种可以插入其他神经网络的关系网络(RN)模块让AI能够分析物体对并推导出它们之间的关系。他们的工作细节在网上发表了两个独立的研究
从抽象到具体
研究人员使用各种颜色和尺寸的3D图像来训练他们的RN。在使用一种被称为CLEVR的视觉问答任务分析了这些物体后,研究人员就会问一些神经网络的问题,比如“大球左边棕色金属物体左边的圆柱体大小是多少?”结果令人印象深刻。

来自CLEVR的示例图像。图片来源:DeepMind
DeepMind的一篇文章称:“CLEVR使用标准视觉问答体系结构的最新结果为68.5%,而人类的结果是92.5%。” “但是使用我们的RN增强网络,我们能够显示超乎人类表现的结果---95.5%。”
这样的系统可以极大地改善视觉学习算法以及虚拟助理中的AI。 DeepMind的研究人员AdamSantoro在接受New Scientist的采访时说:“你可以想像一下,一个应用程序可以自动描述特定影像中正在发生的情况,甚至可以描述给视觉障碍者的视频。”
与这个系统一样聪明,DeepMind的研究人员认为,在应用于我们日常生活之前它还有很长的一段路要走。Santoro在采访中补充说:“要获得更丰富的现实数据集还需大量的工作。”

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

*滑动验证:
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

热帖滚动

扫描二维码 关注我们官方微信 RDMA知识一手掌握

联系我们

点击发送邮件

   HPC Advisory Council 版权所有   京ICP备17021631号-1

QQ- Archiver-手机版- RDMAWorld.com