AI kan net als een baby reageren op onmogelijke gebeurtenissen

Het resultaat is PLATO, een AI-systeem dat een aardig eind in de richting komt van de reacties van een vijf maanden oude baby. DeepMind ging bij de ontwikkeling van PLATO uit van de hypothese dat bij het leren over de omgeving objecten centraal staan. Dus in plaats van de training te beginnen met heel veel trainingsgegevens, boden DeepMind-onderzoeker Luis Piloto en zijn collega's het deeplearningsysteem video's aan met heel simpele scenes. Na het verwerken van 28 uur aan videomateriaal, reageerde het systeem vergelijkbaar met een baby van vijf maanden oud op een 'onmogelijke' gebeurtenis.

De onderzoekers publiceren hun resultaten in de wetenschappelijke online-publicatie Nature Human Behaviour (van het toonaangevende wetenschappelijke vakblad Nature). Volgens de onderzoekers zelf zijn de uitkomsten van belang voor zowel de ontwikkeling van AI als voor het begrip van menselijk gedrag.

Er was volgens de DeepMind-onderzoekers een belangrijk verschil te merken wanneer een blanco systeem wel of niet eerst de objecttraining kreeg. Systemen zonder objectgebaseerde training waren niet succesvol in de test met een 'physical concept dataset', zelfs als ze veel groter van omvang waren dan PLATO. Voor de onderzoekers is dat een duidelijk bewijs dat objecten een essentieel element zijn in het begrijpen van de fysieke wereld.

Eerste stap

The Register merkt op dat in een begeleidend artikel in Nature Human Behaviour twee Australische hoogleraren in de psychologie, die niet betrokken waren bij het onderzoek, erkennen dat het werk bij Deepmind ook van belang is voor het begrip van de ontwikkeling van perceptie bij mensen. Toch vinden ze het niet genoeg om helemaal te verklaren wat er bij kinderen gebeurt. Het verschil zit in het feit dat de rekenmodellen wel gevoed moeten worden met iets van kennis over hoe objecten zich gedragen en op elkaar reageren voordat ze op dezelfde manier kunnen leren als kinderen.

De onderzoekers zien zelf niet directe dagelijks bruikbare toepassingen voor hun resultaten. Ze verwachten dat deze vooral gebruikt zullen worden bij andere onderzoeken naar de ontwikkeling van AI. Het hebben van een benchmark zodat andere onderzoekers kunnen zien hoe goed hun modellen presteren met betrekking tot 'begrip' van de fysieke wereld is een eerste stap.