DeepMind учит свой ИИ ориентироваться в городах с помощью изображений Street View

Google не новичок в обучении ИИ обучению, как это делает человек. Мы видели, как его команда по искусственному интеллекту использовала методы обучения детей, чтобы помочь искусственному интеллекту понять окружающую среду, даже помогая ему научиться творить или научиться ходить. Однако сейчас исследовательские группы Google работают над тем, чтобы помочь ИИ запомнить планировку города так же, как люди учатся ориентироваться в сложной среде.

В настоящее время машины перемещаются по городу, используя карты. Отслеживание маршрута по дорогам, нанесенным человеком на карту, сохраняя курс с помощью GPS. Однако люди и животные ориентируются в городе с помощью ориентиров, запоминая, что находится за определенными углами или в определенных фиксированных местах, и строя мысленную карту местности. Именно поэтому вы по-прежнему можете ориентироваться в своем родном городе, не заглядывая постоянно в Карты Google. Даже если бы почти все схемы дорог были изменены, вы все равно знали бы, как добраться до дома вашего старого друга или газетных киосков, в которых вы купили эти бесчисленные футбольные наклейки.

Научить ИИ запоминать планировку города так же, как это делает человек, — непростая задача, но именно это выпало на долю команды Google DeepMind. Не имея возможности перемещать штабели серверов по некоторым улицам, DeepMind использовала изображения из Google Street View, чтобы помочь своему ИИ изучить улицы Нью-Йорка, Парижа и Лондона. Прогуливаясь по виртуальным улицам, команда надеялась получить более глубокие знания об определенной части города.

ЧИТАЙТЕ ДАЛЬШЕ: 10 вещей, которые вам нужно знать о будущем искусственного интеллекта

По мнению одного из исследователей Петра Мировского, навигация на самом деле сводится к двум вопросам: «Где ты? И как ты доберешься туда, куда хочешь?». Разговаривая с ОбратныйМировски утверждает, что эта мысль верна для «ребенка, гуляющего по району без смартфона, птицы, которая учится летать обратно в свое гнездо, или робота».

В бумагаопубликованном Библиотекой Корнелльского университета, команда DeepMind объясняет, как они заставили робота перемещаться по городу без карты или данных GPS. Нейронные сети тестового ИИ, по сути, подобны невежественным туристам, впервые посещающим город – у них нет предварительных знаний, на которые можно было бы опереться. Подавая данные изображений в нейронную сеть ИИ, он затем может создать картину города и его планировку, помогая ему ориентироваться в заданных точках.

«Мы обучаем нейронную сеть навигации по Центральному парку, Вест-Виллидж, Мидтауну и Гарлему», — объяснил Мировски. «Он способен запомнить карту окружающей среды, даже не видя ее. Сначала он исследует случайную область, но затем получает награду после достижения пункта назначения. Он устанавливает связь с этим сигналом (награды) и его восприятием».

ЧИТАЙТЕ ДАЛЬШЕ: Основатель DeepMind считает, что людям жизненно важно знать, чему учится ИИ

Излишне говорить, что эта человечная интерпретация навигации действительно впечатляет. Тем не менее, мы еще далеки от того, чтобы увидеть его применение в реальных условиях, поскольку еще предстоит проработать множество нюансов. Например, систему необходимо переобучать каждый раз, когда она попадает в новый город, что показывает, что она все еще не способна изучать новый город на лету, что затрудняет, скажем, беспилотному автомобилю навигацию по незнакомому городу.

Однако, как только команда DeepMind сможет сохранить навигационные навыки ИИ в одном городе и сообщить ему, как он понимает новый, незнакомый город, мы сможем увидеть совершенно новую волну интеллектуальных автономных транспортных средств.