اختبار ثلاثي الأبعاد جديد يحير الذكاء الاصطناعي

اختبر العلماء أحدث نماذج الذكاء الاصطناعي في بيئة ثلاثية الأبعاد. نتائج والذي تم تقديمه في المؤتمر السنوي للشبكات العصبية NeurIPS في سان دييغو. اتضح أنه كان جيدًا في فك العقد البسيطة، لكنه لم يتمكن من ربط عقدة من حلقة عادية بشكل صحيح أو تحويل عقدة إلى أخرى.

وهكذا، وعلى الرغم من النجاحات في توليد النصوص والصور، إلا أن الذكاء الاصطناعي لا يزال بعيدًا جدًا عن الذكاء الحي من حيث التفكير المكاني والتلاعب. وهذه المهارات حاسمة في مجالات مثل الروبوتات.

يقول تشين (زوي) زيجاو، الذي يدرس اللغويات الحاسوبية في جامعة كاليفورنيا: “يعمل الذكاء الاصطناعي الحديث بشكل رائع مع كميات كبيرة من النص. ولكن بمجرد أن يتعلق الأمر بالعالم ثلاثي الأبعاد، فإنه يفشل. معظم تفكير الذكاء الاصطناعي الحديث يعتمد على النص. وهذا أمر عظيم، لكنه ليس كافيا”. جامعة كورنيل.

قدموا بالتعاون مع المؤلف المشارك يوآف أرتزي KnotGym عبارة عن محاكي ثلاثي الأبعاد لاختبار نماذج التعلم المعزز المختلفة ونماذج اللغات الكبيرة مثل GPT-4 في بيئة افتراضية. KnotGym هو اختبار تعميم مرئي يساعد الباحثين على تقييم مدى قدرة الذكاء الاصطناعي على التعامل مع المهام التي تتجاوز التدريب الأساسي وكيفية استجابته للتعقيد المتزايد. إنه يطبق “سلم التعميم” الذي يسمح لك بزيادة تعقيد العقد التي تقترحها النماذج تدريجيًا.

وقال تشين: “هذا النهج غير موجود في معظم مهام رؤية الكمبيوتر”.

في KnotGym، عُرض على عملاء الذكاء الاصطناعي صور بسيطة للحلقات والعقد المختلفة، ثم تم تكليفهم بفك تشابك أو ربط أو تحويل عقدة إلى أخرى.

لقد قام الذكاء الاصطناعي بعمل جيد في حل العقد البسيطة. وصلت نسبة النجاح إلى ما يقارب 90% للعقد التي يصل عددها إلى أربعة تشبيكات، بما في ذلك عقدة الدانتيل الأساسية (ثلاثة تشبيكات).

لكن تبين أن ربط العقد وتحويلها أكثر صعوبة بالنسبة للذكاء الاصطناعي: فكلما زاد عدد التقاطعات في العقدة، كانت النتيجة أسوأ. عند ربط العقد بعبورين، كان معدل النجاح 83%، ولكن بالنسبة لثلاثة عبورات انخفض هذا المعدل إلى 16%. لم يتمكن الذكاء الاصطناعي من التعامل مع العقد التي يوجد بها أكثر من ثلاثة تقاطعات. وكانت نتائج تحويل العقدة هي نفسها تقريبًا.

وأظهرت الدراسة أن الذكاء الاصطناعي لا يعرف بعد كيفية اللعب واكتشاف أشياء جديدة، كما يعتقد تشين.

تشرح وهي تحمل مكعب روبيك: “عندما يلعب الأطفال بهذا، فإنهم يبدأون في تحريفه ويجدون في النهاية سلسلة من الإجراءات التي تؤدي إلى التكوين المطلوب دون تدمير القطع التي تم تجميعها بالفعل. إنهم يستكشفون. يستخدمون الخبرة السابقة، ويجمعون المعرفة ويتحركون نحو الهدف. هذه هي القدرة التي نود أن نراها في الذكاء الاصطناعي، لكنها غير موجودة بعد”.

في المستقبل، من المخطط تحسين KnotGym، على سبيل المثال، من خلال تشغيله على وحدة معالجة الرسومات – وهذا سيؤدي إلى تسريع عملية التقييم، كما شارك الباحث.