论文7月11日以开放访问方式发表在Nature Human Behaviour (2022)。DeepMind看起来正在将人工智能应用于各种学科的大问题，这次是从发展心理学角度探索“常识”中的直觉物理。
论文提出了一个深度学习模型PLATO，全称Physics Learning through Auto-encoding and Tracking Objects，通过一个感知模型和一个动力学模型对每个对象进行预测。
论文：Intuitive physics learning in a deep-learning model inspired by developmental psychology
作者：Luis S. Piloto, Ari Weinstein, Peter Battaglia &
摘要
“直觉物理学”使我们能够与物理世界进行务实的接触，并形成思维“常识”方面的一个关键组成部分。当前的人工智能系统对直觉物理学的理解甚至比非常小的孩子还要弱。本文中，我们通过借鉴发展心理学领域来解决人类和机器之间的差距。首先，我们引入并开源了一个机器学习数据集，旨在评估直觉物理学的概念理解，采用了发展心理学的违反期望(VoE)范式。其次，我们建立了一个深度学习系统，直接从视觉数据中学习直观的物理，这是受儿童视觉认知研究的启发。我们证明，我们的模型可以学习一系列不同的物理概念，这些概念主要依赖于对象级的表征，这与发展心理学的研究结果一致。我们考虑了这些结果对人工智能和人类认知研究的影响。
（基于搜狗翻译）
另外参考Nature新闻的介绍性文章： https://www.nature.com/articles/d41586-022-01921-7
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢