详细内容或原文请订阅后点击阅览
计算机系统预测物体对物理影响的反应
麻省理工学院的 Josh Tenenbaum 教授旨在解释和复制人类智能。特南鲍姆和他的一名学生是四篇论文的合著者，他们在这些论文中研究了聪明人驾驭世界所需的基本认知能力：识别不同的物体并形成关于它们如何对物理刺激做出反应的假设。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）麻省理工学院的 Josh Tenenbaum 教授致力于解释和复制人类智能。特南鲍姆和他的一名学生是四篇论文的合著者，他们在这些论文中研究了聪明人驾驭世界所需的基本认知能力：识别不同的物体并形成关于它们如何对物理刺激做出反应的假设。
研究人员相信，通过构建开始接近这些功能的计算机系统，他们可以帮助回答有关人们在不同发展阶段使用哪些处理资源的问题。
Tenenbaum 说：“首先查看场景中对象的完整 3D 形状，以及它们的物理属性（如质量和摩擦力），并考虑这些对象将如何随着时间的推移而移动。我们开始制造越来越多地利用人们对物理世界的基本理解的机器。”
其中三件作品涉及对物体的物理结构、视觉和听觉数据的推断。第四项工作涉及根据这些数据预测对象的行为。
所有四篇论文的共同点是一种不寻常的机器学习方法 - 计算机通过分析大量训练数据来学习执行计算任务的方法。
在典型的机器学习系统中，训练数据是有标签的。人类分析师可以识别视觉场景中的物体或转录口语句子中的单词。系统试图了解数据的哪些特征与这些标记相关，并判断这些标记对于以前未见过的数据有多好。在特南鲍姆的新作品中，系统被训练来推断世界的物理模型——大多数隐藏在视野之外的物体的三维形状。