专栏首页arxiv.org翻译专栏黑暗,超越深度:具有人类常识的认知人工智能的范式转变(CS AI)
原创

黑暗,超越深度:具有人类常识的认知人工智能的范式转变(CS AI)

最近在深度学习方面的进展基本上是基于“小任务大数据”范式,在这种范式下,海量的数据被用来训练一个分类器来完成单一的狭义任务。在这篇文章中,我们呼吁颠覆改变这种范式。具体来说,我们提出了一种“小数据大任务”的范式,在这种范式下,单一的人工智能(AI)系统面临着开发“常识”的挑战,使其能够用很少的训练数据解决各种任务。我们通过回顾综合了最近在机器视觉和人类视觉方面的突破,说明了这种新范式的潜在力量。我们将功能、物理、意图、因果关系和实用性(FPICU)确定为认知 AI 的五个核心领域,并将其作为具有类似人类常识的认知 AI 的核心领域。当作为一个统一的概念,FPICU 关注的是 "why" 和 "how" 的问题,超越了主流的 "what" 和 "where" 的框架来理解视觉。它们在像素方面是看不见的,但却推动着视觉场景的产生、维护和发展。因此,我们把它们称为视觉的“暗物质”。正如我们的宇宙不能仅仅通过研究可观测到的物质来理解,我们认为,不研究 FPICU 就不能理解视觉。我们通过展示如何用很少的训练数据来观察和应用 FPICU 来解决各种具有挑战性的任务,包括工具使用、规划、实用性推理和社会化学习等,来证明这个观点在开发具有人类相似常识的认知 AI 系统方面的力量。综上所述,我们认为,下一代人工智能必须拥抱“黑暗 ”的,类似人类的常识来解决新颖的任务。

原文题目:Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike Common Sense

原文:Recent progress in deep learning is essentially based on a "big data for small tasks" paradigm, under which massive amounts of data are used to train a classifier for a single narrow task. In this paper, we call for a shift that flips this paradigm upside down. Specifically, we propose a "small data for big tasks" paradigm, wherein a single artificial intelligence (AI) system is challenged to develop "common sense", enabling it to solve a wide range of tasks with little training data. We illustrate the potential power of this new paradigm by reviewing models of common sense that synthesize recent breakthroughs in both machine and human vision. We identify functionality, physics, intent, causality, and utility (FPICU) as the five core domains of cognitive AI with humanlike common sense. When taken as a unified concept, FPICU is concerned with the questions of "why" and "how", beyond the dominant "what" and "where" framework for understanding vision. They are invisible in terms of pixels but nevertheless drive the creation, maintenance, and development of visual scenes. We therefore coin them the "dark matter" of vision. Just as our universe cannot be understood by merely studying observable matter, we argue that vision cannot be understood without studying FPICU. We demonstrate the power of this perspective to develop cognitive AI systems with humanlike common sense by showing how to observe and apply FPICU with little training data to solve a wide range of challenging tasks, including tool use, planning, utility inference, and social learning. In summary, we argue that the next generation of AI must embrace "dark" humanlike common sense for solving novel tasks.

原文作者:Yixin Zhu, Tao Gao, Lifeng Fan, Siyuan Huang, Mark Edmonds, Hangxin Liu, Feng Gao, Chi Zhang, Siyuan Qi, Ying Nian Wu, Joshua B. Tenenbaum, Song-Chun Zhu

原文地址:https://arxiv.org/abs/2004.09044v1

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 可分离空间上的标记马尔可夫过程的“周序数”(CS LO)

    标签马尔可夫过程(LMP)的状态之间存在两种行为等价的概念:状态双相似性和事件双相似性。前者可以被认为是对 Larsen 和 Skou 的概率双相似性的连续空间...

    刘持诚
  • 用于共享控制机器人的主动意图消歧(CS RO)

    辅助性的共享控制机器人有可能改变数百万受严重运动障碍困扰的人的生活。共享控制机器人的实用性通常依赖于其底层的自主性推断用户需求和意图的能力,而这种消除歧义的能力...

    刘持诚
  • 噪声和去噪的无监督意见总结(CS CL)

    在包含数十万个文档-摘要配对的大数据集上对大容量模型进行有监督的训练,是最近深度学习技术在抽象概括方面成功的关键。遗憾的是,在大多数领域(除新闻领域外),这样的...

    刘持诚
  • 创建AI FactSheets的方法(CS HC)

    随着AI模型和服务在越来越多的高风险领域中得到使用,围绕更清晰记录如何开发这些模型和服务以提高信任度的共识正在形成。提出了一些更高质量和更一致的AI文档的建议,...

    小童
  • 善解人意的AI画家:具有体现性对话互动的计算创意系统(CS AI)

    人们越来越认识到,艺术家使用有价值的方式来理解和运用认知和知觉机制来传达创作作品中的期望体验和叙事(DiPaola等,2010; Zeki,2001)。本文记录...

    刘子蔚
  • 基于UAV的高效人工智能实时视觉任务框架(CS RO)

    配备有最先进的人工智能(AI)技术的现代无人机正在向众多新颖有趣的应用开放。尽管该领域受到AI的最新突破的强烈影响,但大多数提供的解决方案要么完全依赖于商业软件...

    时代在召唤
  • 达到人类级别的AI:深度学习面临的挑战

    Challenges for Deeping Learning towards Human-Level AI

    double
  • 使用Docker和热加载运行Go API

    This is a quick discussion of how to set up a local development environment for ...

    李海彬
  • Angular component的一个例子

    官网:https://angular.io/guide/architecture-components

    Jerry Wang
  • 人类对可解释性的评价: 人工智能生成音乐知识的案例(CS HC)

    机器学习模型的可解释性已经越来越受到人工智能(AI)和人机交互(HCI)领域研究人员的关注。 现有的研究大多集中在决策制定上,而我们研究的是知识发现。 特别是,...

    用户7095611

扫码关注云+社区

领取腾讯云代金券