新传媒网Meta 上周宣布推出一种人工智能 (AI)，能够使用“常识”完成图像。与其他可用工具不同，Meta 的模型不仅限于比较像素，还可以包含基于“关于世界的先验知识”的抽象表示。
具有常识的人工智能
据该公司称，这种功能使该模型能够以比市场上其他工具更高的精度完成图像。
这项创新技术的名称是图像联合嵌入预测架构(I-JEPA)，它基于 Meta 首席人工智能科学家 Yann LeCun 的愿景。
正如该公司官方博客所公布的那样，这一举措背后的基本理念是“创造能够学习世界如何运作的内部模型的机器”。像 ChatGPT 这样的系统是使用“监督”学习方法进行训练的，该方法涉及使用大量标记数据。
然而，由Facebook、Instagram和 WhatsApp 的母公司 Meta 开发的 I-JEPA采用了不同的方法。I-JEPA 不使用标记数据，而是直接分析图像或声音，这就是所谓的自我监督学习。
培训先验知识
梅塔解释说，这种方法的原理是，通过反复向幼儿展示牛的图片，他们最终会学会识别他们看到的任何牛。同样，I-JEPA可以通过比较和分析来识别表征，而不需要标记数据。
该公司分享了一个例子，其人工智能能够填补不同动物和风景图像中的空白。使用上下文和语义识别，该模型能够识别丢失的部分，例如狗的头或鸟的腿。
Yann LeCun 在 2022 年 2 月的一篇文章中解释说，人类和动物都能够通过观察获得有关世界如何运作的大量先验知识，只需相对少量的互动且无需监督。
勒昆认为，这种积累的知识可以构成我们通常所说的“常识”的基础。正是这种“常识”指导人工智能模型理解什么是可能的、可能的或不可能的。
比其他人工智能更高的精度
为此，Meta 声称其 I-JEPA 模型避免了其他 AI 生成的图像中的常见错误，例如手部有超过五个手指。由于元模型能够理解上下文并使用先验知识，因此在生成完整图像方面实现了更高的准确性。
基于标记数据集的人工智能 (AI) 系统(例如 ChatGPT)对于所接受训练的特定任务通常非常有效。然而，Meta 在其 2021 年的一份研究报告中强调，“不可能给世界上的一切都贴上标签”。
此外，有些任务根本没有足够的可用标记数据。Meta 认为，如果人工智能系统能够在训练之外获得对现实的更深入的理解，它们将变得更加有用，并最终更接近人类智能。
2021 年，Meta 将人工智能中实现“常识”比作发现暗物质。该公司相信，这种类型的人工智能能够更快地学习、计划如何处理复杂的任务，并轻松适应不熟悉的情况。对于 Meta 来说，达到“常识”代表着一个重要的里程碑，它将把人工智能的潜力推向更接近人类智能的水平。
