ほとんどすべての警察手続きには古典的なシーンがあります。風化した刑事が壁に貼り付けられた写真のコレクションを見つめて立っています。細い赤い糸がさまざまなプレイヤー間のつながりをたどります。明らかに何かが足りない。
突然のひらめきで、最後のリンクが探偵の脳裏に浮かび上がります。彼は急いで走り去り、パートナーに「やっと犯人が分かった」と必死に叫びました。
私たちは全員が経験豊富な犯罪解決者ではありませんが、内部では、私たちの脳は 1 つの驚くべきスキルを共有しています。それは、ある物事が別の物事とどのように関連しているかを推論する能力です。
「関係推論」と呼ばれるこのタイプの論理的アクロバットは、最も平凡な状況の背後でも静かに機能します。つまり、複数の対向車が道路を横断するのが安全なのはどのような場合でしょうか。どのメインディッシュとワインが一番よく合いますか？ホテルの周りには観光スポットがいくつありますか?
人間にとって、人間関係についての推論は直感的で簡単に感じられます。 AIにとって、それは計り知れないほど難しいことです。
それは変更される可能性があります。先週、研究者らは、、私たちに与えてくれた謎のディープラーニング会社,論文を発表しました機械に人間の創意工夫のひらめきを与える新しいアルゴリズムについて詳しく説明します。
プラグアンドプレイの「関係ネットワーク」(RN) は、静的な物体、動く人々、さらには抽象的なアイデアなど、精神的表現のグループ間の関係について AI に明示的に考えることを強制するコードです。
強力なターボ充電器と同様に、RN を既存の機械学習ツールと組み合わせると、AI のロジックが強化され、いくつかの画像ベースの推論タスクで人間よりも優れたパフォーマンスを発揮できるようになりました。
関係推論は「人間の知性の基本的な部分」として、あるドメインから別のドメインにノウハウを伝達するマルチツールのように機能します。言う サム・ガーシュマン博士ハーバード大学の計算神経科学者だが、この研究には関与していない。
そして、RN は人間の推論の断片を捉えるだけですが、それは「正しい方向に進む」人間の思考の柔軟性と効率性を備えた、一般にインテリジェントなマシンを対象としています。
速く考えることとゆっくり考えること
すべての AI が同じように作られているわけではありません。文系か科学のどちらかを専門とする学生と同様、記号 AI と統計 AI という 2 つの主要なタイプの AI にもそれぞれ独自の特徴があります。
シンボリック AI は、強力な一連の数学演算を使用して、物事間の関係を推論します。する論理を扱います。問題は、それらがあらかじめ決められたルールによって制約されていることです。言い換えれば、彼らは臨機応変に学習するのが苦手で、タスクに少しでも変化があると軌道から外れてしまう可能性があり、刻々と変化する世界の課題に取り組むにはまったく理想的ではありません。
対照的に、統計 AI (機械学習としてよく知られています) は、数百万の例に基づいてデータセット内のパターンを見つけます。統計 AI の代表格はディープラーニングであり、AlphaGo や世界を席巻したさまざまな顔タグ付けサービスの原動力となっています。
ただし、ディープ ニューラル ネットワークは革新的ではありますが、特に十分なトレーニング サンプルがない場合、データ構造内の複雑な関係を見つけるのがまだ苦手です。
リレーショナルネットワーク
DeepMind は、パターン認識が可能な人工ニューラル ネットワークという新しいアルゴリズムと両方の長所を組み合わせています。そしてそれらのパターンについて推論します。
人工ニューラル ネットワークは、私たちの脳内の生物学的対応物に大まかに基づいています。彼らは、あらかじめ設定されたルールに基づいて行動するのではなく、ギターを微調整するように、「ニューロン」間の接続を微調整することでパターンを発見することを学びます。
各ニューラル ネットワークには、画像のラベル付け、言語の翻訳、GO や Atari ゲームのプレイといった 1 つのタスクをサポートする独自の構造があります。 DeepMind の RN もこの点で似ています。システム内で考えられるすべてのオブジェクトのペアを比較するための独自の構造を備えています。
「私たちはオブジェクト間に存在する関係性を発見することをネットワークに明示的に強制しています。」言う研究著者のティモシー・リリックラップ氏。 「関係を計算する能力は RN アーキテクチャに組み込まれています」と彼は言います。追加します.
プラグアンドプレイ
一連の実験で、チームは RN の機能を注意深くテストしました。まず、彼らは CLEVR でアルゴリズムをトレーニングしました。CLEVR は、カウント、比較、クエリなど、さまざまな種類の推論を実行する AI の能力を明示的に調査するために設計された単純なオブジェクトで構成される画像のデータベースです。
各画像において、アルゴリズムはシーン内のオブジェクト間の関係に関する質問に答える必要がありました。たとえば、「黄色のマットなものの前、灰色の球体の後ろにある小さな物体は何の形ですか?」または「大きな赤い立方体または緑のボールの前にあるブロックは何個ありますか?」
人間にとっては簡単なことのように見えますが、実際には 2 段階のプロセスがあります。これを正しく行うには、まずオブジェクトを特定し、そのプロパティを特徴付ける必要があります。次に、それらすべてを画像のより広範なコンテキストに配置して、それらが相互にどのように関連しているかについての仮説を構築する必要があります。
しかし、RN は単独でそれに取り組んだわけではありません。このタスクに取り組むために、著者らはそれを他の 2 つのニューラル ネットワーク (1 つは画像処理用、もう 1 つは質問の解釈用) と組み合わせました。トレーニングを何度も繰り返した結果、アルゴリズム ネットワークは 96 パーセントの確率で正解し、人間の得点の 92 パーセントを上回りました。 RN モジュールを持たない従来のニューラル ネットワークは大きく遅れをとり、約 63% を獲得しました。
次に、DeepMind はギアを切り替え、単語ベースのタスクで RN をテストし、その多用途性を評価しました。ネットワークは「サンドラがサッカーボールを拾った」や「サンドラはオフィスへ行った」などの短編小説を流したため、「サッカーボールはどこにあるのか？」という疑問が生じた。
RN で拡張されたネットワークは、ほとんどのタスクで 95% という最先端のモデルと同等のパフォーマンスを示しましたが、「その犬は黒いディアハウンドです。ディアハウンドの名前はシリウスです。シリウスは何色ですか?」などの推論が必要な質問で特に優れており、従来のネットワークの 2 倍のスコアを記録しました。
最後に、アルゴリズムは 10 個の跳ねるボールのシミュレーションを解析し、いくつかはランダムに選択されてペアとなり、あたかも目に見えないバネや硬い制約で結ばれているかのように見えました。ボールの相対的な位置と速度を分析することにより、RN は接続されたペアの 90% 以上を特定しました。
より深い関係
RN の美しさはそのシンプルさにあります。このアルゴリズムの核心は単一の方程式です。つまり、既存のネットワーク構造にタグ付けしてネットワーク構造を強化できることを意味します。 RN で強化されたネットワークは、いつか自動的に監視映像を分析したり、ソーシャル ネットワークを調査したり、多くの可動コンポーネントを備えた複雑な交差点を自動運転車で誘導したりできるようになるでしょう。
とはいえ、RN はペアごとの接続のみを分析します。より複雑な関係構造を本当に理解するには、三つ子、四つ子、または（よりメタな）ペアのペアを比較する必要があります。また、移動するオブジェクトをある程度処理しますが、関係推論の重要な部分であるオブジェクトの将来の軌道を予測することはできません。
「より豊富な現実世界のデータセットを解決するには、多くの作業が必要です。」言う研究著者のアダム・サントロ氏。
DeepMind はすでにこの問題に対して進歩を遂げています。で別の紙彼らは、移動する物体の特性と物理的環境に基づいてその将来を予測する「ビジュアル インタラクション ネットワーク (VIN)」について説明しました。これは、私たちの脳に組み込まれているような、一種の物理エンジンです。
VIN は、さまざまなシステムで何が起こるかを正確に予測しました。「何百歩も先の未来」を対象に、書きましたDeepMind チームのブログ投稿。
どちらの研究も、世界をオブジェクトとその関係に刻み込むことで、AI に一般化する能力を与えることができることを示しています。彼らは、「物体の新しい組み合わせを形成し、表面的には非常に異なって見えるかもしれないが、根底には共通の関係がある場面について推論する」ことを学びます。説明する著者たち。
それが知性の唯一の側面ではありませんが、確かに必要な側面です。