人类玩家和团队算法之间的游戏示例。信用:克拉克等人虽然人工智能代理在与人类交流方面变得越来越熟练，但他们仍然在语言的几个方面挣扎，包括复杂的语义。语义学这个术语指的是语言学的一个领域，它与特定的词或不同概念之间的逻辑联系有关。几年前，艾伦人工智能研究所的研究人员开发了一款名为Iconary的游戏，旨在提高人工智能技术在不同对象之间进行交流和连接的能力。在最近的一篇论文中，研究人员引入了一个更先进的游戏版本，并训练机器学习算法来相互对抗或与人类一起游戏。
“我们的论文是基于AI2的一个项目，该项目旨在训练模型玩Iconary，这是我们创建的一个基于图片的游戏，玩家必须猜测另一个玩家正在画什么，”进行这项研究的研究人员之一克里斯托弗·克拉克告诉TechXplore。“这个项目几年前就开始了，但论文只是在最近才发表，并在一次会议上展示，概述了一个更具挑战性的游戏版本，同时使用了现代机器学习方法。”
克拉克和他的同事最近工作的总体目标是创建一个游戏，可以用作人工智能代理的测试平台，类似于研究人员过去如何使用围棋和象棋游戏。然而，研究人员希望提高人工智能体与人类合作和理解视觉交流(即图像和绘图)的能力，而不是构建一个玩家相互竞争的游戏。
Iconary类似于著名的游戏Pictionary，其中一名玩家试图通过绘画传达一个特定的物体或想法，而其他玩家试图猜测它是什么。克拉克和他的同事们创造的游戏工作原理非常相似，一个被称为“猜测者”的玩家需要猜测另一个玩家“抽屉”正在画什么。
团队训练数据集中不同绘制策略的示例。从两个不同样本中使用这些方法的游戏比例显示在每个面板的右上角。Credit: Clark等人“最初，抽屉看到一个简短的短语(比如‘拿着一本教科书’)，然后必须通过为图标列表选择图标，然后将它们排列在画布上来绘制该短语，”Clark说。"完成后，猜测者会看到图画，并试图猜测开始的短语."
就像在图画游戏中，如果一个玩图标游戏的猜猜看者猜出了抽屉试图传达给他或她的团队的信息，那么他或她就赢了。然而，如果他的猜测是错误的，他可以选择是继续猜测还是放弃。如果他放弃，抽屉可以改变他的画，考虑到其他玩家的猜测，然后循环重复。如果4分钟后，猜猜者无法猜出抽签背后的含义，该队将输掉这一轮。
克拉克解释说:“让Iconary变得困难的是，许多名词和动词都不会有直接代表它们的图标，所以抽屉必须想办法间接向猜测者指示它们。“例如，没有‘教科书’图标，因此抽屉需要通过例如组合一本书和校车图标来间接指示该单词。这使得理解肖像绘画与理解摄影图像非常不同。”
在玩圣像游戏时制作的图画不是字面上描绘一个场景，而是有隐含的意义，对人工智能来说不太容易解释。它们基于语义策略，例如视觉隐喻(例如，一本书和一辆校车来传达“教科书”)、注释(例如，一个箭头和一扇门来传达“门把手”)、引用规范的例子(例如，显示一个点亮的和一个未点亮的灯泡来传达“关闭”)以及其他间接的沟通策略。
虽然视觉交流和复杂的语义处理是人类与生俱来的技能，但人工智能代理通常会与之斗争。Iconary是一个有价值的平台，可以测试人工智能是否可以随着时间的推移被教授这些技能。
图标游戏。在这个视频中，人工智能是一个猜测者。Credit: Clark等人:“Iconary也有一些有趣的游戏元素，因为优秀的玩家应该根据对方的行为调整他们的猜测/绘图方法，例如，调整绘图以避免猜测者的误解，或者查看抽屉正在进行哪些关键更改，以确定应该关注什么，”Clark说。
作为他们最近研究的一部分，研究人员在人类玩家之间训练了超过55000轮人工智能算法。随后，当他们测试算法的性能时，他们取得了令人鼓舞的结果。尽管如此，人类玩家的表现往往优于人工智能，尤其是他们通过绘画传达物体或思想的能力。
克拉克说:“我们设置的一个特殊挑战是，我们在包含模型在我们用作训练数据的人类/人类游戏中没有看到的单词的短语上测试了模型，这意味着模型不能仅仅通过重新使用/识别训练期间观察到的绘画策略来玩游戏。“总的来说，我们能够证明我们能够训练出相当擅长理解人类创作的图画的人工智能，尽管不如熟练的人类。”
未来，Iconary可能会被证明是人工智能算法的一个有用的测试平台，允许研究人员评估他们在语义上连接文本和图形的能力。到目前为止，克拉克和他的同事发现，人工智能代理在猜测隐含传达的概念方面明显优于通过绘图传达的概念。
“构建抽屉人工智能更难，但我们确实看到了一些案例，我们的模型能够构建新颖的有效绘图，这意味着它们不同于训练数据中观察到的绘图，”克拉克说。“这表明人工智能可以将世界知识应用于绘图任务，并在更深层次上理解绘图，而不仅仅是记忆人类在训练数据中使用的绘图策略。我发现抽屉的结果更有趣，因为我认为绘画需要更多的创造力，是一项比猜测更新颖的任务。”
图标游戏。在这段视频中，人工智能是一个抽屉。信用:克拉克等人今天，人类在几个不同的环境中使用视觉交流，例如解释街道标志，指示建造家具或表情符号。因此，图标也可以成为一个有价值的工具，用于创建更好地理解这些日常视觉交流形式的人工智能系统。
克拉克说:“我目前没有从事后续工作，但我认为训练模特成为更好的抽屉是一个非常有趣的挑战。“我们的人工智能抽屉仍然比人类抽屉差很多。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
