Hybrid kunstig intelligens (i det følgende benævnt AI) og et nyt sæt data og benchmarks til vurdering af mulighederne for AI-algoritmer til at resonnere om handlingerne indeholdt i videooplysninger blev præsenteret af forskere fra IBM, MIT, Harvard og DeepMind på ICLR 2020-konferencen, rapporterer TheNextweb den 17. maj.
Det nye datasæt og forskningsmiljø præsenteret på ICLR 2020 kaldes CoLlision Events for Video REpresentation and Reasoning eller CLEVRER. De er baseret på CLEVR, et visuelt spørgsmål og svar, der blev udviklet ved Stanford University i 2017. CLEVR er et sæt opgaver, der repræsenterer stillbilleder af faste objekter. AI-agenten skal være i stand til at analysere scenen og besvare flere spørgsmål om antallet af objekter, deres attributter og deres rumlige forhold.
Som en løsning på en vanskelig opgave for klassisk AI præsenterede forskerne en model for neurosymbolisk dynamisk tænkning, en kombination af neurale netværk og symbolsk kunstig intelligens.
Resultaterne viste, at inkorporering af neurale netværk og symboliske programmer i en AI-model kan kombinere deres styrker og overvinde deres svagheder. "Symbolisk repræsentation giver en stærk fælles ramme for vision, sprog, dynamik og årsagssammenhæng," bemærker forfatterne, og tilføjer, at symboliske programmer sætter modellen i stand til "klart at fange den kompositionalitet, der ligger til grund for videoens kausale struktur og spørgsmålets logik."
Fordelene ved sådanne systemer er begrænset af ubetingede ulemper. De data, der bruges til at træne modellen, kræver yderligere kommentarer, som kan være for magtsultne og dyre i virkelige applikationer.
