BENGALURU:科学家们已经开发了一个新的开发项目,这种开发项目激发了人们对未来更容易接受的机器人的希望。

人工智能

(AI)可以玩“Pictionary”的模型,一种社交游戏。这是这款游戏的第一款基于计算机的模型。

该团队由RITi Kiran Sarvadevabhatla,IIIT-H的助理教授,隶属于Kohli智能系统中心,Trisha Mittal,马里兰大学的MS-计算机科学专业学生和Shiv Surya,电子商务公司的应用科学家组成。亚马逊是IISK中Venkatesh Babu教授视频分析实验室的所有前成员,他们希望能够在这类游戏中运行的模型成为人工智能的基准。

到目前为止,基于计算机的人类玩家游戏建模,如步步高和国际象棋,已成为游戏引擎的重要研究领域和成就 – TD-Gammon,DeepBlue,

AlphaGo

例如,他们模仿人类游戏动作的能力已成为衡量人工智能进展的公认代理。

但所有这些都是零和游戏,其中一个赢了,另一个输了,它们很受欢迎,赢得的规则也很明确。

“……在这样的游戏中,人工智能总是设计为胜利,Pictionary不是那样的。在Pictionary中,胜利的概念是模糊的,因为法官可以接受对所绘制内容的多种解释,使其非常抽象,“Sarvadevabhatla告诉TOI。

在社交游戏中,主要强调的是在轻松的环境中进行合作游戏,而不像典型的零和游戏。例如,如果一个人画得很糟糕,那么机器人做的正确的事就是像人类一样猜错,Sarvadevabhatla认为,并补充说必须教导机器人这样做,这是具有挑战性的。

它需要在代理和游戏建模方面进行重新思考,特别是Pictionary因其他因素而变得复杂,例如多模式游戏 – 猜测者使用语音/词汇模态,而抽屉使用视觉模态 – 异步轮流和高级概念什么构成了“胜利”。

为了应对这些挑战,该团队设计了一种基于网络的深度方法,作为一种递归神经网络,将时间和渐进演化的草图映射到一系列类似人类的对象猜测。

开发人类猜测的这种计算模型使得能够表征在Pictionary中出现的现实的,可能是次优的人类绘图和响应。

“相对于人类反应测量的这些模型的表现使我们能够量化这些模型编码非平凡的人类行为和模仿人类反应的程度。更广泛地说,我们的工作代表了实现人工智能代理人的初步但重要的一步,他们的人性化,相关性反应增加了他们在社会环境中的接受度,“该团队说。

指出机器人/模型在多学科任务(如视觉问答)(VQA)上的表现被认为是衡量计算机视觉进展的标志,该团队表示其模型也有第一个Sketch-QA。 Sketch-QA涉及提出一个固定的问题,例如“正在绘制什么对象?”并收集人类猜测者的开放式猜测词。

然后对得到的数据集进行分析并模仿Pictionary式猜测,该团队提出了深度神经模型,该模型根据时间演变的人类绘制草图生成猜测词。

“我们的模型在猜测时甚至犯了类似人的错误,从而放大了人类的模仿因素。并且,在未来,我们将拥有甚至可以画出的模型,“Sarvadevbhatla说,并补充说现在也可以为其他类似的社交游戏开发模型。

分类: 新闻

陈 欣

AADPS创始人