I et blogindlæg talte DeepMind, et datterselskab af Google, om et eksperiment med test af kunstige intelligensmodeller til generalisering og abstrakt tænkning. Eksperter har udviklet en generator, der stiller spørgsmål baseret på begrebet progression, farveegenskaber, former eller størrelser og deres forhold. Lignende opgaver findes i IQ-test for mennesker.
IQ-testnøjagtighed
De fleste af modellerne besvarede spørgsmålene med 75% nøjagtighed. Dermed fandt forskerne en stærk sammenhæng mellem opgaveydelse og evnen til at identificere underliggende abstraktioner. De formåede at øge effektiviteten ved at træne algoritmer til at forklare deres svar, for at vise, hvilke relationer og egenskaber der skal overvejes i et bestemt emne.
Nogle modeller er imidlertid dårlige til at "overføre" de studerede forhold til nye egenskaber, for eksempel hvis hun træner i at identificere logiske sekvenser med hensyn til objekternes farve, og i opgaven er det påkrævet at etablere et forhold efter deres form.
Holdet fandt, at hvis det neurale netværk korrekt ekstrapolerede sin viden om forhold til en ny kombination af værdier, steg nøjagtigheden af opgaverne til 87%. I tilfælde af forkert ekstrapolering faldt den til 32%.
Den detaljerede udvikling af forskningen og resultaterne blev offentliggjort af udviklerne i artiklen.
Salgsfremmende video:
I februar 2018 uddannede Facebook AI Research-udviklere også kunstig intelligens til at forklare dens handlinger. Generelt giver denne teknik dig mulighed for at spore logikken ved at løse et problem og identificere problemer, der forhindrer dig i at klare det.