宾夕法尼亚州立大学跨学科团队的AI训练新方法

留学申请微信咨询

微信扫描左侧二维码

或点击下方按钮咨询

宾夕法尼亚州立大学（2024USNews美国大学排名：60）跨学科团队的AI训练新方法：从儿童发展心理学到对比学习算法的创新

近年来，人工智能（AI）技术的迅猛发展为各个领域带来了前所未有的变革。然而，如何有效地训练AI系统以识别物体和导航环境，尤其是在极端环境或遥远世界中，仍然是一个巨大的挑战。宾夕法尼亚州立大学的跨学科研究团队提出了一种新颖的、受人类启发的方法，可能为开发更先进的AI系统奠定基础。

受儿童发展心理学启发的AI训练方法

研究人员发现，在生命的前两年，儿童会在不同视角和光照条件下体验一组相对狭窄的物体和面孔。受这一发展心理学见解的启发，宾夕法尼亚州立大学的研究团队引入了一种新的机器学习方法，利用空间位置信息更有效地训练AI视觉系统。研究表明，使用这种新方法训练的AI模型在性能上比基础模型高出14.99%。

这种方法的核心在于模拟儿童在早期发展阶段的视觉体验。儿童在这一阶段会通过不断变化的视角和光照条件来观察周围的物体和面孔，从而逐渐形成对这些物体和面孔的稳定认知。研究团队通过引入空间位置信息，使AI系统能够更好地模拟这一过程，从而提高其识别和导航能力。

新的对比学习算法

为了实现这一目标，研究团队开发了一种新的对比学习算法。这是一种自监督学习方法，AI系统通过检测视觉模式来识别两张图像是否为同一基础图像的衍生物，从而形成正对。传统算法通常将不同视角下的同一物体图像视为不同实体，而新算法通过考虑环境数据（包括位置）来克服这一挑战，使AI系统能够检测到正对，无论摄像机位置、旋转、光照角度或条件以及焦距如何变化。

这种新算法的优势在于其能够更好地处理复杂的视觉环境。例如，在识别虚拟公寓房间的任务中，增强模型的平均表现为99.35%，比基础模型高出14.99%。这一显著的性能提升表明，新算法在处理多样化的视觉数据方面具有巨大的潜力。

ThreeDWorld平台和自我中心数据集

为了验证新算法的有效性，研究团队在ThreeDWorld平台上创建了虚拟环境，生成了包含时空信息的自我中心数据集，模拟了儿童在房屋中行走的情景。ThreeDWorld平台是一种高保真、互动的3D物理模拟环境，能够生成逼真的视觉数据，从而为AI系统的训练提供了理想的测试平台。

通过在这些虚拟环境中运行基础对比学习模型和新算法模型，研究发现新算法模型在多项任务中表现优异。例如，在识别虚拟公寓房间的任务中，增强模型的平均表现为99.35%，比基础模型高出14.99%。这些新数据集已通过www.child-view.com向其他科学家开放，为进一步的研究提供了宝贵的资源。

跨学科合作的力量

宾夕法尼亚州立大学的这项研究得到了多个学科的合作支持。心理学系和计算机科学与工程系的合作者共同参与了这项研究，充分利用了各自领域的专业知识和资源。这种跨学科的合作不仅促进了研究的深入开展，也为未来的AI系统开发提供了新的思路和方法。

例如，宾夕法尼亚州立大学人工智能与机器学习应用中心（AIMI）研究员兼斯克兰顿分校助理教授Nonna Sorokina，凭借其在金融行业和学术界的丰富经验，致力于通过研究和联系弥合两者之间的差距。她的研究主要集中在银行业和金融中的定量方法，包括人工智能和机器学习。最近，她的研究涉及社会责任问题，如绿色能源、阿片类药物危机和弱势群体的经济结果。Sorokina强调，她的研究“非常基于现实中可能发生的事情”，并通过与教授、行业专业人士和不同级别的员工合作，促进团队合作项目并建立联系。