Par Super Neuro
Nous avons joué à Go et à DOTA2, et maintenant c'est au tour de l'IA de répondre à des questions de raisonnement dans les tests de QI.
Inspirée par les tests d’intelligence traditionnels, l’équipe DeepMind a récemment lancé une expérience pour tester la capacité de raisonnement de l’IA.Les résultats montrent que l’IA peut non seulement comprendre certains concepts abstraits, mais également déduire de nouveaux concepts.
Oups, l'IA obtient un autre point~
Fini les échecs, testons l'IA avec des questions de raisonnement
Lors de la « Conférence internationale sur l'apprentissage automatique » qui s'est tenue à Stockholm, en Suède, en juillet de cette année, DeepMind a publié un article affirmant qu'il est possible de mesurer la capacité de raisonnement des réseaux neuronaux à travers une série d'éléments abstraits, tout comme pour tester le QI humain.
Les chercheurs définissent cette capacité de raisonnement abstrait comme la détection de modèles et la résolution de problèmes à un niveau conceptuel.Le raisonnement abstrait est l’un des symboles de l’intelligence humaine. Un exemple célèbre est la déduction d'Einstein de la théorie de la relativité générale à travers l'expérience de pensée de l'ascenseur.
Dans cette expérience, Einstein a estimé qu'il existe une équivalence entre un observateur soumis à une accélération uniforme et un observateur dans un champ gravitationnel uniforme.
C'est cette capacité à relier ces deux concepts abstraits qui lui a permis de dériver la théorie de la relativité générale et, sur cette base, de proposer la courbure de l'espace-temps. Cette capacité abstraite est l’une des caractéristiques de l’intelligence humaine.
Remarque : Dans « Introduction à la théorie de la relativité restreinte et générale », Einstein a donné une analogie. Il y a une personne dans une boîte fermée qui ne peut pas voir à l'extérieur. En l'absence de gravité externe, une créature inconnue tire la boîte vers le haut à une accélération de 9,8 m/s^2. La personne dans la boîte ressent la même chose que si la boîte était immobile sur le sol. S'il tient une balle dans sa main, il ne peut pas distinguer si le poids est causé par la gravité de la terre ou par l'accélération vers le haut de g, donc la masse gravitationnelle est égale à la masse inertielle.
En plus de traiter les données, l’IA a également la capacité d’abstraire
Alors, l’IA a-t-elle également la capacité de déduire de nouveaux concepts à partir d’éléments abstraits ? Les expériences menées par l’équipe DeepMind ont montré que la réponse est oui.
L'équipe avait initialement prévu de s'appuyer sur des attributs tels que la forme, la position et la couleur des lignes du matériel de formation pour tester la capacité de raisonnement de l'IA, mais les résultats n'étaient pas idéaux et il était difficile de refléter avec précision la capacité de raisonnement de l'IA.
Types de questions courantes des tests d'intelligence
La raison principale est que si les matériaux expérimentaux préparés sont trop nombreux ou trop spécifiques, le réseau neuronal, s'appuyant sur sa puissante capacité d'apprentissage, refusera de raisonner car il y découvre les règles générales, et il en va de même pour les humains.
La solution proposée par l’équipe de recherche a été de créer un générateur de questions. Ce générateur de questions est composé d'un ensemble de questions créées à partir d'une série d'éléments abstraits, notamment des relations (comme le développement des choses) et des attributs (comme la couleur et la taille), spécifiquement conçus pour entraîner et tester la capacité de raisonnement de l'IA.
La plupart des modèles d'IA ont obtenu de bons résultats lors du test, certains atteignant même des performances de 75%.Les chercheurs ont découvert que la précision de l’ensemble de questions est fortement corrélée à la capacité de l’IA à déduire des concepts abstraits, et que sa capacité de raisonnement peut être améliorée en ajustant les propriétés de l’ensemble de questions.
Les questions de raisonnement par image déconcertent la plupart des IA
En revanche, le raisonnement visuel est plus difficile et nécessite que l’IA crée son propre ensemble de questions en fonction des éléments affichés dans l’image. Cependant, l’équipe de DeepMind a déclaré que certains modèles d’IA sont déjà capables de raisonnement visuel.
Pour parvenir à un raisonnement visuel, ces modèles doivent déduire et tester des concepts abstraits, comme des opérations logiques et des progressions arithmétiques, à partir des pixels bruts d’une image, et appliquer ces concepts à des objets qu’ils n’ont jamais observés auparavant.
Figure 1 : Un test de raisonnement visuel réalisé par un modèle d'apprentissage automatique conçu par l'équipe DeepMind
L'ensemble du test prouve que les réseaux neuronaux peuvent donner à l'IA la capacité de raisonner, mais cette capacité présente actuellement des limites majeures, et même le meilleur réseau de relations sauvages (WReN) actuel ne peut pas résoudre complètement ce problème.
Limites du raisonnement de l'IA
Cette limitation réside principalement dans le fait qu’il est difficile pour les réseaux neuronaux de découvrir des éléments en dehors de l’ensemble du problème, ce qui conduit à une capacité de généralisation réduite lors du raisonnement.
L'équipe de recherche a écrit dans un article de blog :Les réseaux neuronaux présentent de bonnes capacités de raisonnement dans certaines conditions, mais lorsque ces conditions changent, leurs capacités diminuent rapidement. De plus, la réussite du raisonnement par modèle dépend également de nombreux facteurs, tels que l'architecture du modèle et son apprentissage.
Cette limitation peut être résolue si nous pouvons trouver des moyens d’améliorer la capacité de généralisation du modèle et d’explorer les biais inductifs qui peuvent être utilisés dans de futurs modèles « riches en structure et généralement applicables ».
Mais tous les ingénieurs sont-ils masochistes ?
De Go à DOTA2, les humains sont vaincus par l'IA encore et encore. Est-ce vraiment intéressant ?
Voici une citation célèbre pour vous↓↓↓
