导读真正智能的人工智能不仅应该解决模式识别问题,比如识别物体及其关系。更重要的是,它应该建立一个关于世界的因果模型,可以用来帮助解释和
“真正智能的人工智能不仅应该解决模式识别问题,比如识别物体及其关系。更重要的是,它应该建立一个关于世界的因果模型,可以用来帮助解释和理解物理世界,”甘说。“NS-DR 是我们解决这个复杂问题的初步尝试。”
Gan 承认 NS-DR 在扩展到丰富的视觉环境方面有几个限制。但是人工智能研究人员有具体的计划来改进视觉感知、动态模型和语言理解模块,以提高模型的泛化能力。
CLEVRER 是旨在推动通用人工智能研究的多项努力之一。该领域的另一项杰出工作是抽象推理语料库,它评估了软件针对很少训练示例开发问题的通用解决方案的能力。
“NS-DR 是迈向未来实际应用的垫脚石,”甘说。“我们相信我们拥有的工具包(结合视觉感知、基于对象的规划和神经符号 RL)可能是在构建更真正智能的机器方面取得根本性进展的有前途的方法之一。”