用于无监督瑞文推理测验的成对关系判别器
人工智能
2021-08-06 v2
摘要
基于具体观察提出假设、发展抽象概念并运用这些假设论证未来行动的能力，在人类发展中至关重要。为使智能机器具备抽象推理能力，现有研究多围绕瑞文推理测验（RPM）展开。近年来，有监督的RPM求解方法已取得诸多突破。然而，该过程需要外部辅助，因此尚不能断言机器已具备可与人类比肩的推理能力。换言之，一旦恰当引入“关系仅以行/列方式存在”的RPM规则，人类便可在无监督或无先验经验下求解RPM问题。本文提出成对关系判别器（PRD），一种使无监督模型具备充分推理能力以应对RPM问题的技术。PRD将RPM问题重构为关系比较任务，无需对RPM问题标注即可求解。通过将该PRD应用于RPM问题，我们可识别最优候选。我们的PRD方法在I-RAVEN上以55.9%的准确率确立了新的无监督学习SOTA基准，展现出显著进步，是推动机器具备抽象推理能力的一步。
引用
@article{arxiv.2011.01306,
title = {Pairwise Relations Discriminator for Unsupervised Raven's Progressive Matrices},
author = {Nicholas Quek Wei Kiat and Duo Wang and Mateja Jamnik},
journal= {arXiv preprint arXiv:2011.01306},
year = {2021}
}