德克薩斯大學(xué)奧斯汀分校的計算機科學(xué)家教過一個人工智能代理如何做通常只有人類才能做的事情-快速瀏覽一下并推斷出整個環(huán)境，這是開發(fā)有效的搜索和救援機器人認(rèn)為有一天可以提高危險任務(wù)的效率。該團隊由克里斯汀·格勞曼(Kristen Grauman)教授領(lǐng)導(dǎo)。候選人Santhosh Ramakrishnan和前博士學(xué)位 候選人Dinesh Jayaraman(現(xiàn)在在加利福尼亞大學(xué)伯克利分校)今天在《科學(xué)機器人》雜志上發(fā)表了他們的研究結(jié)果。

大多數(shù)AI代理(可以為機器人或其他機器賦予智能的計算機系統(tǒng))都在他們以前經(jīng)歷過的環(huán)境(例如工廠)中接受過非常具體的任務(wù)訓(xùn)練，例如識別物體或估計物體的體積。但是由Grauman和Ramakrishnan開發(fā)的代理是通用的，可以收集可視信息，然后將其用于各種任務(wù)。

格勞曼說：“我們希望一個具備一般條件的特工進入環(huán)境，并為新的感知任務(wù)做好準(zhǔn)備。” “它的行為方式多樣，能夠在不同的任務(wù)上取得成功，因為它已經(jīng)學(xué)會了有關(guān)視覺世界的有用模式。”

科學(xué)家使用深度學(xué)習(xí)(一種受大腦神經(jīng)網(wǎng)絡(luò)啟發(fā)的機器學(xué)習(xí)類型)在數(shù)千種不同環(huán)境的360度圖像上訓(xùn)練他們的代理。

現(xiàn)在，當(dāng)代理人呈現(xiàn)從未見過的場景時，它會利用自己的經(jīng)驗來選擇一些瞥見內(nèi)容-例如站在大教堂中間的游客朝不同方向拍攝一些快照-總共不到20個整個場景的百分比。該系統(tǒng)之所以如此有效，是因為它不僅沿隨機方向拍照，而且在每次瞥見之后，選擇它預(yù)測的下一幅照片都將添加有關(guān)整個場景的最新信息。這就像您在雜貨店里一樣您以前從未訪問過，并且看到蘋果，您希望在附近找到橘子，但是要找到牛奶，您可能會反過來看。基于瞥見，特工推斷它在所有其他方向看時會看到什么，從而重建其周圍環(huán)境的完整360度圖像。