暗，超越深度：迈向具备类人常识的认知 AI 范式转变
人工智能
2020-04-21 v1 计算机视觉与模式识别
机器学习
摘要
深度学习的近期进展本质上基于“大数据用于小任务”的范式，即使用海量数据训练一个分类器以完成单一狭窄任务。在本文中，我们呼吁一种颠覆该范式的转变。具体而言，我们提出“小数据用于大任务”的范式，其中单一人工智能（AI）系统被要求发展出“常识”，使其能用极少训练数据解决广泛任务。我们通过回顾综合机器与人类视觉近期突破的常识模型，阐释了这一新范式的潜在威力。我们确定功能、物理、意图、因果与效用（FPICU）为具备类人常识的认知 AI 的五大核心领域。当作为一个统一概念时，FPICU 关注“为何”与“如何”的问题，超越了理解视觉的主导性“什么”与“何处”框架。它们在像素层面不可见，却驱动视觉场景的创建、维持与发展。因此我们将其称为视觉的“暗物质”。正如仅研究可观测物质无法理解我们的宇宙，我们认为不研究 FPICU 便无法理解视觉。我们通过展示如何以极少训练数据观测并应用 FPICU 来解决工具使用、规划、效用推断与社会学习等一系列挑战性任务，证明了该视角在开发具备类人常识的认知 AI 系统上的威力。总之，我们认为下一代 AI 必须拥抱“暗”的类人常识以解决新颖任务。
引用
@article{arxiv.2004.09044,
title = {Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike Common Sense},
author = {Yixin Zhu and Tao Gao and Lifeng Fan and Siyuan Huang and Mark Edmonds and Hangxin Liu and Feng Gao and Chi Zhang and Siyuan Qi and Ying Nian Wu and Joshua B. Tenenbaum and Song-Chun Zhu},
journal= {arXiv preprint arXiv:2004.09044},
year = {2020}
}
备注
For high quality figures, please refer to http://wellyzhang.github.io/attach/dark.pdf