人类与机器物理构造中的关系归纳偏置
机器学习
2018-06-05 v1 人工智能
机器学习
摘要
尽管当前的深度学习系统在物体分类、语言处理和游戏对弈等任务上表现出色，但很少有系统能够构造或修改诸如积木塔之类的复杂系统。我们假设这些系统所缺乏的是一种“关系归纳偏置”：一种对物体间关系进行推理并基于场景结构化描述做出选择的能力。为验证该假设，我们聚焦于一项将积木对粘合以稳定塔的任务，并量化人类的表现。随后我们引入一个深度强化学习智能体，其使用以物体和关系为中心的场景与策略表示，并将其应用于该任务。我们的结果表明，这些结构化表示使该智能体优于人类及更朴素的方法，表明关系归纳偏置是解决结构化推理问题以及构建更智能、更灵活机器的关键组成部分。
引用
@article{arxiv.1806.01203,
title = {Relational inductive bias for physical construction in humans and machines},
author = {Jessica B. Hamrick and Kelsey R. Allen and Victor Bapst and Tina Zhu and Kevin R. McKee and Joshua B. Tenenbaum and Peter W. Battaglia},
journal= {arXiv preprint arXiv:1806.01203},
year = {2018}
}
备注
In Proceedings of the Annual Meeting of the Cognitive Science Society (CogSci 2018)