Может ли нейросеть выучить физику, просто наблюдая за миром?
Если у людей такие механизмы заложены эволюцией, то что насчет машин? Способна ли нейросеть, которая видит лишь поток пикселей, самостоятельно выделить из него объекты, построить внутренний физический движок и предсказать, куда упадет брошенный мяч, не зная ни одной формулы? Современные ИИ-системы пытаются освоить физику через наблюдение. Алгоритмы глубокого обучения, обучаясь на огромных массивах видеозаписей, достигают впечатляющих результатов: они могут прогнозировать движение твердых тел, траектории падения предметов или распространение жидкости. Но действительно ли это понимание? Исследователи предупреждают, что за хорошей визуальной экстраполяцией часто не стоит истинная модель мира. Нейросеть в состоянии предсказать следующий кадр, но ее внутренние представления не имеют ничего общего с понятиями силы, массы или причины. Стоит изменить условия — освещение, форму объекта или добавить неожиданное препятствие — и точность предсказаний резко падает.
Так что же требуется для настоящего понимания? Возможно, по аналогии с теорией Спелке, ИИ нуждаются во врожденных ограничениях — базовых принципах, таких как объектность, непрерывность движения или причинность. Некоторые исследователи считают, что без этого нейросети так и останутся сложными статистическими калькуляторами, угадывающими вероятности, а не постигающими законы природы. Пока ответ на вопрос, вынесенный в заголовок, остается открытым. Но именно такие исследования приближают нас к разгадке того, чем мышление машины отличается от человеческого, и не станет ли однажды искусственный разум способным самостоятельно открыть физику, просто глядя по сторонам.
Источник: habr.com
Поделиться