Den menneskelige kreativitets psykologi hjælper kunstig intelligens med at forestille sig det ukendte

Ved at lære at afvige fra kendt information på samme måde som mennesker gør, en "fantasi"-algoritme for kunstig intelligens (AI) er i stand til at identificere tidligere usete objekter ud fra skriftlige beskrivelser.

Algoritmen, udviklet af KAUST-forsker Mohamed Elhoseiny i samarbejde med Mohamed Elfeki fra University of Central Florida, baner vejen for kunstig fantasi og den automatiserede klassificering af nye plante- og dyrearter.

"Fantasi er en af ​​nøgleegenskaberne ved menneskelig intelligens, som ikke kun gør os i stand til at generere kreative produkter som kunst og musik, men også for at forstå den visuelle verden, " forklarer Elhoseiny.

Kunstig intelligens er afhængig af træningsdata for at udvikle dens evne til at genkende objekter og reagere på omgivelserne. Mennesker udvikler også denne evne gennem akkumuleret erfaring, men mennesker kan noget, som AI ikke kan. De kan intuitivt udlede en sandsynlig klassificering for et objekt, som ikke tidligere er stødt på, ved at forestille sig, hvordan noget skal se ud ud fra en skriftlig beskrivelse eller ved at udlede af noget lignende. I AI, denne evne til at forestille sig det ukendte bliver stadig vigtigere, efterhånden som teknologien rulles ud i komplekse applikationer i den virkelige verden, hvor fejlklassificering eller fejlgenkendelse af nye objekter kan vise sig at være katastrofale.

Også vigtig er den store mængde data, der er nødvendig for pålideligt at træne AI til den virkelige verden. Det er umuligt at træne AI med billeder af selv en brøkdel af de kendte arter af planter og dyr i verden i alle deres permutationer, endsige de utallige uopdagede eller uklassificerede arter.

Elhoseiny og Elfekis forskning havde til formål at udvikle det, der kaldes en ZSL-algoritme (zero-shot learning) for at hjælpe med genkendelsen af ​​tidligere usete kategorier baseret på klassebeskrivelser uden træningseksempler.

"Vi modellerede den visuelle læringsproces for 'usede' kategorier ved at relatere ZSL til menneskelig kreativitet, observerer, at ZSL handler om at genkende det usete, mens kreativitet handler om at skabe et 'likeligt uset, " siger Elhoseiny.

I kreativitet, noget nyt, men behageligt eller "venligt" skal være anderledes end tidligere kunst, men ikke så anderledes, at det er uigenkendeligt. På samme måde, Elhoseiny og Elfeki modellerede omhyggeligt et læringssignal, der induktivt tilskynder til afvigelse fra set klasser, dog ikke skubbet så langt, at den forestillede klasse bliver urealistisk og mister videnoverførsel fra set klasser. Den resulterende algoritme viste en konsekvent forbedring i forhold til de avancerede benchmarks for ZSL.

"En af de mulige anvendelser af vores tilgang er at identificere ukendte arter, " siger Elhoseiny. "AI, der er drevet med denne teknologi, kunne hjælpe med at rapportere arter uden billeder, bare med sprogbeskrivelser."