Dalam sebuah posting blog, DeepMind, anak perusahaan Google, berbicara tentang eksperimen dengan menguji model kecerdasan buatan untuk generalisasi dan keterampilan berpikir abstrak. Para ahli telah mengembangkan generator yang mengajukan pertanyaan berdasarkan konsep perkembangan, sifat warna, bentuk atau ukuran, dan hubungannya. Tugas serupa ditemukan dalam tes IQ untuk manusia.
Akurasi Tes IQ
Sebagian besar model menjawab pertanyaan dengan akurasi 75%. Dalam melakukannya, para peneliti menemukan korelasi yang kuat antara kinerja tugas dan kemampuan untuk mengidentifikasi abstraksi yang mendasari. Mereka berhasil meningkatkan efisiensi dengan melatih algoritme untuk menjelaskan jawaban mereka, untuk menunjukkan hubungan dan properti mana yang perlu dipertimbangkan dalam masalah tertentu.
Namun, beberapa model buruk dalam "mentransfer" hubungan yang dipelajari ke properti baru, misalnya, jika dia dilatih untuk mengidentifikasi urutan logis dalam kaitannya dengan warna objek, dan dalam tugas itu diperlukan untuk menetapkan ketergantungan dengan bentuknya.
Tim menemukan bahwa jika jaringan saraf dengan benar mengekstrapolasi pengetahuannya tentang hubungan menjadi kombinasi nilai baru, maka akurasi tugas meningkat menjadi 87%. Dalam kasus ekstrapolasi yang salah, itu turun menjadi 32%.
Kemajuan terperinci dari penelitian dan hasilnya dipublikasikan oleh pengembang di artikel.
Video promosi:
Pada Februari 2018, pengembang Riset AI Facebook juga melatih kecerdasan buatan untuk menjelaskan tindakannya. Secara umum, teknik ini memungkinkan Anda melacak logika pemecahan masalah dan mengidentifikasi masalah yang mencegah Anda mengatasinya.
