Hybrid Artificial Intelligence (nedan kallad AI) och en ny uppsättning data och riktmärken för utvärdering av funktionerna hos AI-algoritmer i resonemang om åtgärderna i videoinformation presenterades av forskare från IBM, MIT, Harvard och DeepMind på ICLR 2020-konferensen, rapporterar TheNextweb den 17 maj.
Det nya datasättet och forskningsmiljön som presenterades vid ICLR 2020 kallas CoLlision Events for Video REpresentation and Reasoning eller CLEVRER. De bygger på CLEVR, en visuell fråga och svarsuppsättning som utvecklats vid Stanford University 2017. CLEVR är en uppsättning uppgifter som representerar stillbilder av fasta objekt. AI-agenten måste kunna analysera scenen och svara på flera frågor om antalet objekt, deras attribut och deras rumsliga förhållanden.
Som en lösning på en svår uppgift för klassisk AI presenterade forskarna en modell av neurosymboliskt dynamiskt tänkande, en kombination av neurala nätverk och symbolisk konstgjord intelligens.
Resultaten visade att integrering av neurala nätverk och symboliska program i en AI-modell kan kombinera deras styrkor och övervinna deras svagheter. "Symbolisk representation ger ett kraftfullt gemensamt ramverk för vision, språk, dynamik och kausalitet", konstaterar författarna, och tillägger att symboliska program gör det möjligt för modellen att "tydligt fånga kompositionen som ligger bakom kausalstrukturen i videon och logiken i frågan."
Fördelarna med sådana system begränsas av ovillkorliga nackdelar. Uppgifterna som används för att träna modellen kräver ytterligare anteckningar, som kan vara för makthunga och dyra i verkliga applikationer.
