面向物体识别的类人鲁棒 AI 机器设计
人工智能
2021-01-08 v1 机器学习
摘要
这是一篇受 A.M. Turing (1912年6月23日 - 1954年6月7日) 于 1950 年提出的图灵测试研究启发的观点性论文。遵循图灵测试对于使机器具备类人行为或性能的一项重要启示,我们为 AI 机器定义了类人鲁棒性(human-like robustness, HLR),该新定义的目标在于赋予 AI 机器以 HLR,并包括依据 HLR 对其评估。仅讨论一个特定任务,即物体识别,因其是每个人日常生活中最常见的任务。类似于图灵的观点性或设计性立场,我们提供了一种如何在不实际构建机器与开展真实实验的情况下实现 HLR AI 机器的解决方案。该方案应由机器的三个重要特征构成。HLR 机器的第一特征是利用人类的常识以实现因果推断。第二特征是自语义空间做出决策,从而对该决策具有可解释性。第三特征是包含"人在回路(human-in-the-loop)"设置以推进 HLR 机器。我们展示了使用所提 HLR 机器设计的"识别游戏"。本文展示了从图灵测试出发,进一步学习并探索类人 AI 机器设计的一次尝试。
引用
@article{arxiv.2101.02327,
title = {A design of human-like robust AI machines in object identification},
author = {Bao-Gang Hu and Wei-Ming Dong},
journal= {arXiv preprint arXiv:2101.02327},
year = {2021}
}
备注
6 pages, 6 figures