用于视角不变物体识别的新生 embodied 图灵测试
人工智能
2023-06-12 v1 神经元与认知
摘要
人工智能最近的进展重新激发了构建像动物一样学习的机器的兴趣。几乎所有比较生物与人工系统学习的研究都来自动物和机器接受不同训练数据的研究，这模糊了动物与机器之间的差异是来自学习机制还是训练数据的不同。我们提出了一种实验方法——"新生 embodied 图灵测试"——允许新生动物和机器在相同环境中被抚养并接受相同任务测试，从而允许直接比较它们的学习能力。为了构建该平台，我们首先收集了新生小鸡的受控抚养数据，然后进行了"数字孪生"实验，其中机器在模仿小鸡抚养条件的虚拟环境中被抚养。我们发现（1）机器（具有内在动机的深度强化学习智能体）可以自发发展出视觉引导的偏好行为，类似于新生小鸡的印刻，并且（2）机器在物体识别任务上仍远未达到新生水平表现。几乎所有小鸡都发展出了视角不变物体识别，而机器往往发展出视角依赖识别。与小鸡相比，机器的学习结果也远不受约束。最终，我们预期该方法将帮助研究者开发像新生动物一样学习的 embodied AI 系统。
引用
@article{arxiv.2306.05582,
title = {A newborn embodied Turing test for view-invariant object recognition},
author = {Denizhan Pak and Donsuk Lee and Samantha M. W. Wood and Justin N. Wood},
journal= {arXiv preprint arXiv:2306.05582},
year = {2023}
}
备注
7 Pages. 4 figures, 1 table. This paper was accepted to the CogSci 2023 Conference. (https://cognitivesciencesociety.org/)