Pubblicato su Nature Machine Intelligence, lo studio ha offerto una panoramica di una metodologia ibrida progettata per migliorare come le macchine basate sull'IA percepiscono, interagiscono e rispondono al loro ambiente in tempo reale - come nel caso del movimento e delle manovre dei veicoli, o di come i robot potrebbero utilizzare la nuova tecnologia per eseguire azioni di precisione in ambito scientifico.
La visione artificiale permette alle IA di vedere e comprendere il loro ambiente decodificando dati e deducendo proprietà del mondo fisico dalle immagini come nessun essere umano è in grado di fare.
Mentre tali immagini sono formate attraverso la fisica della luce e della meccanica, le tecniche tradizionali di visione artificiale si sono concentrate principalmente su apprendimento automatico basato sull'analisi dei dati per migliorarne le prestazioni.
La ricerca basata sulle leggi della fisica, attraverso un percorso separato, è stata sviluppata per esplorare i vari principi fisici dietro molte sfide della visione artificiale.
È stata una sfida incorporare una comprensione della fisica - le leggi che governano la massa, il movimento delle molecole e molto altro - nello sviluppo delle reti neurali, dove le IA modellate sul cervello umano con miliardi di nodi elaborano enormi set di dati di immagini fino a quando non acquisiscono una comprensione di ciò che "vedono".
Ma ci sono ora alcune promettenti linee di ricerca che cercano di aggiungere elementi di consapevolezza fisica alle già robuste reti basate sui dati.
Lo studio dell'UCLA mira a sfruttare il potere sia della profonda conoscenza derivante dai dati sia del know-how pratico della fisica per creare un'IA ibrida con capacità di auto apprendimento e miglioramento costante.
"Le macchine visive - auto, robot o strumenti sanitari che usano le immagini per percepire il mondo - stanno alla fine eseguendo compiti nel nostro mondo basandosi sui principi generali della fisica", ha detto l'autore dello studio, Achuta Kadambi, professore associato di ingegneria elettronica ed informatica presso la UCLA Samueli School of Engineering.
"Le nostre intelligenze artificiali, consapevoli della fisica, possono consentire alle auto di guidare in modo più sicuro e ai robot chirurgici di essere più precisi".
Il team di ricerca ha delineato svariate casistiche in cui la fisica e i dati stanno iniziando ad essere combinati nella visione artificiale dell'intelligenza artificiale:
Incorporare la fisica nei set di dati IA
Taggare gli oggetti con informazioni aggiuntive, come la velocità con cui possono muoversi o quanto pesano, similmente ai personaggi nei videogiochi.
Incorporare la fisica nelle architetture di rete.
Far passare i dati attraverso un filtro di rete che codifica le proprietà fisiche in ciò che le telecamere rilevano.
Incorporare la fisica nella funzione di perdita della rete.
Sfruttare la conoscenza basata sulla fisica per aiutare l'IA a interpretare i dati di addestramento su ciò che osserva.
Queste linee di indagine hanno già prodotto risultati incoraggianti nel miglioramento della visione artificiale.
L'approccio ibrido consente all'IA di tracciare e prevedere il movimento di un oggetto con maggiore precisione e può produrre immagini precise ad alta risoluzione da scene che potrebbero essere oscurate da condizioni meteorologiche avverse.
Con continui progressi in questo approccio a doppia modalità, le IA basate su apprendimento profondo potrebbero anche iniziare a imparare le leggi della fisica da sole, secondo i ricercatori.
Gli altri autori dell'articolo sono lo scienziato informatico del Laboratorio di Ricerca dell'Esercito, Celso de Melo, e i docenti dell'UCLA Stefano Soatto, professore di informatica; Cho-Jui Hsieh, professore associato di informatica e Mani Srivastava, professore di ingegneria elettrica e informatica e di informatica.
La ricerca è stata supportata in parte da un finanziamento del Laboratorio di Ricerca dell'Esercito US.
Kadambi è supportato da finanziamenti della National Science Foundation, del Army Young Investigator Program e della Defense Advanced Research Projects Agency.
Possiamo dedurre che la ricerca andrà avanti giorno dopo giorno proiettando il mondo verso nuove scoperte rivoluzionarie.
Comentários