像人類一樣學習

像人類一樣學習

編譯/陳儁翰

機器學習

現有的機器學習仰賴人類提供資料作為輸入,電腦經過運算後得到輸出,將輸出與已知結果相比較,然後回過頭來修正自己的模型。例如我們將一堆貓、狗圖片給電腦,讓電腦來判斷特定某張圖中是不是一隻貓。若圖片裡明明是一隻狗,電腦卻判斷為貓,電腦看完正確答案,知道自己搞錯了,於是自動修正模型。判斷、比對再修正,一來一往之間,隨著次數增加,正確率也逐漸提升。

在上述過程中,機器是否學到一些新概念呢?有的,機器學會了:貓的輪廓、貓的臉部或身體紋路等特徵,於是利用這些線索判斷圖片中的動物。這類機器看似沒有任何問題,事實上也足以解決許多問題,但是當情境越趨複雜,難度也相對提升時,問題就出現了:這些新習得的概念,在機器下次遇到類似情境時,無法被靈活運用,解決新的問題。

強化學習

另一種機器學習的變體─強化學習(Reinforcement Learning),則是在原有的架構上,再加上獎懲機制:由人類訂立一個標準,透過積分(達到標準,加分;未達標準或失敗,扣分),獎勵(或懲罰)機器人向我們所期望的目標邁進。假設我們希望機器人自己學會走路,以機器人用以觀測周遭環境的感知器作為輸入,輸出或許是各個關節的位置,人類可以在編程時內建一個獎勵機制:在一段時間內,若機器人的移動距離越長,則加分;若倒下,則扣100分。機器透過與這個世界的互動以及人類預先設定的獎勵機制,從而學習到當接收特定輸入時,應如何做出相應的回應。

在這樣的過程中,因為機器人的隨機探索,或許有可能學會意料之外,卻又很有效率的方式來解決問題。只是強化學習是以目標為導向,若我們希望機器人以同樣的方式解決其它問題,比如說學會跳躍,勢必變更所設定的目標與獎懲,再次訓練。只是當欲達成的目標越趨多樣且複雜,例如我們希望機器人可以聞樂起舞時,這樣的方法顯得緩不濟急,也不切實際。此時,假如機器人可以學習各種概念,並在適當時機使用不同的概念,是否會是一個更好的選擇?

概念的延伸與應用

幸運的是,這並不意味著我們必須完全拋棄既有的機器學習或是強化學習方法。我們需要的是一個框架,一種能將機器所學到的所有概念整合在一起,並視適當時機使用的框架。私人AI公司Vicarious的研究團隊便是在這樣的構想下開發了一套新的概念學習框架。

這樣的機器人包含視覺系統、動力學模型、工作記憶、控制器,以及基本的指令集。「視覺系統」負責物件感知,結合「生成模型」、「動力學模型」,使得機器擁有抽象思考,想像動作與物體間關聯的能力;「工作記憶」則依據物件的顏色、位置等資訊,將資料結構化管理,使得機器有對任務的記憶能力;「基本指令集」則是構成新概念的必須基本單元,多個基本指令組成一個概念。

(來源:M. Lázaro-Gredilla et al, 2019.)

以上圖為例,左圖是物件一開始的分布,右圖是我們希望最終的物件排列方式。「視覺系統」會負責將輸入和輸出的圖像數位化,讓這些資訊可以為電腦使用,並根據機率與過去的經驗來判斷應使用哪一項基本指令,才能透過搭載攝影鏡頭的機械手臂,將物件移動到適當位置。

所謂「基本指令」可能是抓取物件、移動到特定位置等相對高階的動作指令。一連串可以完成該任務的指令,則會形成一個新的概念。根據研究人員的測試,機器甚至能夠結合多種概念,在各種干擾下依舊完成任務。

擁有高階概念的學習以及基本推理能力,除了將龐雜的物件偵測與機械運動等細節,以指令包裝並形成概念,簡化了模型的複雜度,使得機器可以展現更複雜的行為外,也大大拉近了人類與機器間溝通的鴻溝:人類不但可以透過給予一連串的高階指令引導機器,機器的決策也能以高階概念的形式為人類所理解。

 

編譯來源

C. Burns, “Robots—like people—use ‘imagination’ to learn concepts“, Science | AAAS, 2019.

參考資料

  1. M. Lázaro-Gredilla, D. Lin, J. Guntupalli and D. George, “Beyond imitation: Zero-shot task transfer on robots by learning concepts as cognitive programs“, Science Robotics, vol. 4, no. 26, p. eaav3150, 2019.
  2. D. George et al., “A generative vision model that trains with high data efficiency and breaks text-based CAPTCHAs“, Science, vol. 358, no. 6368, p. eaag2612, 2017.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

(Visited 1 times, 1 visits today)
views