Hybrid Artificial Intelligence (heretter kalt AI) og et nytt sett med data og benchmarks for å vurdere funksjonene til AI-algoritmer i resonnement om handlingene i videoinformasjon ble presentert av forskere fra IBM, MIT, Harvard og DeepMind på ICLR 2020-konferansen, melder TheNextweb 17. mai.
Det nye datasettet og forskningsmiljøet som ble presentert på ICLR 2020 kalles CoLlision Events for Video REpresentation and Reasoning eller CLEVRER. De er basert på CLEVR, et visuelt spørsmål og svar-sett utviklet ved Stanford University i 2017. CLEVR er et sett med oppgaver som representerer stillbilder av solide objekter. AI-agenten må kunne analysere scenen og svare på flere spørsmål om antall objekter, deres attributter og deres romlige forhold.
Som en løsning på en vanskelig oppgave for klassisk AI, presenterte forskerne en modell for nervesymbolisk dynamisk tenking, en kombinasjon av nevrale nettverk og symbolsk kunstig intelligens.
Resultatene viste at å inkorporere nevrale nettverk og symbolprogrammer i en AI-modell kan kombinere styrkene og overvinne svakhetene. "Symbolisk representasjon gir et kraftig felles rammeverk for visjon, språk, dynamikk og kausalitet," bemerker forfatterne, og legger til at symboliske programmer gjør det mulig for modellen å "tydelig fange opp komposisjonaliteten som ligger til grunn for kausalstrukturen til videoen og logikken i spørsmålet."
Fordelene med slike systemer er begrenset av ubetingede ulemper. Dataene som brukes til å trene modellen krever ytterligere merknader, som kan være for strømhungrige og dyre i virkelige applikasjoner.
