不确定性下的交互式视觉推理

人类认知能力中的一种基本能力是通过生成假设并通过主动试验来快速解决不确定性。面对伴随模糊因果关系的新现象时，人类会针对数据提出假设，基于观察进行推理，通过实验测试自己的理论，并在出现不一致时纠正命题。这些迭代过程持续直到底层机制变得清晰。在本工作中，我们构建了IVRE（发音为“ivory”）环境用于评估人工智能体在不确定性下的推理能力。IVRE是一个具有丰富场景的交互式环境，场景围绕Blicket检测展开。在IVRE中，智能体被置于各种含有模糊动作-因果关系的环境中，并被要求确定每个对象的作用。他们被鼓励基于观察提出有效且高效的实验来验证自己的假设，并主动收集新信息。游戏在所有不确定性被解决或消耗最大试验次数后结束。在IVRE中评估现代人工智能体时，我们注意到当今学习方法相对于人类表现出明显的不足。这种在不确定性下的交互式推理能力不足，呼吁未来的研究致力于构建类人智能。