详细内容或原文请订阅后点击阅览
受发展心理学启发的深度学习模型中的直观物理学习
尽管付出了巨大的努力，但目前的人工智能系统对直觉物理学的理解仍然相形见绌，甚至与非常年幼的孩子相比也是如此。在目前的工作中，我们解决了这个人工智能问题，特别是借鉴了发展心理学领域。
来源:DeepMind - 新闻与博客理解物理世界是一项关键技能，大多数人都能轻松掌握。然而，这仍然对人工智能构成了挑战；如果我们要在现实世界中部署安全且有用的系统，我们希望这些模型能够分享我们对物理的直觉。但在构建这些模型之前，还有另一个挑战：我们如何衡量这些模型理解物理世界的能力？也就是说，理解物理世界意味着什么，我们如何量化它？
幸运的是，发展心理学家花了几十年时间研究婴儿对物理世界的了解。在此过程中，他们将模糊的物理知识概念转化为一组具体的物理概念。而且，他们开发了违反预期 (VoE) 范式来测试婴儿的这些概念。
在我们今天发表在《自然人类行为》杂志上的论文中，我们扩展了他们的工作并开源了物理概念数据集。这个合成视频数据集移植了 VoE 范式来评估五个物理概念：坚固性、物体持久性、连续性、“不变性”和方向惯性。
物理概念数据集有了物理知识的基准，我们开始着手构建一个能够学习物理世界的模型。我们再次向发展心理学家寻求灵感。研究人员不仅记录了婴儿对物理世界的了解，还提出了可以实现这种行为的机制。尽管存在差异，但这些描述对于将物理世界分解为一组随时间演变的对象的概念起着核心作用。
对象 数据集