Em uma postagem do blog, DeepMind, uma subsidiária do Google, falou sobre um experimento com modelos de inteligência artificial de teste para generalização e habilidades de pensamento abstrato. Os especialistas desenvolveram um gerador que coloca questões com base no conceito de progressão, propriedades de cor, formas ou tamanhos e suas relações. Tarefas semelhantes são encontradas em testes de QI para humanos.
Precisão do teste de QI
A maioria dos modelos respondeu às questões com 75% de acerto. Ao fazer isso, os pesquisadores descobriram uma forte correlação entre o desempenho da tarefa e a capacidade de identificar abstrações subjacentes. Eles conseguiram aumentar a eficiência treinando algoritmos para explicar suas respostas, para mostrar quais relacionamentos e propriedades precisam ser considerados em um determinado problema.
Porém, alguns modelos são ruins em "transferir" as relações estudadas para novas propriedades, por exemplo, se ela treina para identificar sequências lógicas em relação à cor dos objetos, e na tarefa é necessário estabelecer uma dependência por sua forma.
A equipe descobriu que, se a rede neural extrapolou corretamente seu conhecimento de relacionamentos para uma nova combinação de valores, a precisão das tarefas aumentava para 87%. No caso de extrapolação incorreta, caiu para 32%.
O andamento detalhado da pesquisa e os resultados foram publicados pelos desenvolvedores no artigo.
Vídeo promocional:
Em fevereiro de 2018, os desenvolvedores do Facebook AI Research também treinaram inteligência artificial para explicar suas ações. Em geral, essa técnica permite que você acompanhe a lógica de resolver um problema e identifique os problemas que o impedem de lidar com ele.
