“該模型在美國成年人中的表現(xiàn)達(dá)到第75個(gè)百分點(diǎn)，使其優(yōu)于平均水平，”西北工程公司的肯·福布斯說。“對(duì)于人們來說難以解決的問題對(duì)于模型來說也很難，這提供了額外的證據(jù)，表明其操作正在捕捉人類認(rèn)知的一些重要特征。”

新的計(jì)算模型建立在CogSketch之上，CogSketch是一個(gè)先前在Forbus實(shí)驗(yàn)室開發(fā)的人工智能平臺(tái)。該平臺(tái)能夠解決視覺問題并理解草圖，以便立即提供交互式反饋。CogSketch還結(jié)合了類比的計(jì)算模型，基于西北心理學(xué)教授Dedre Gentner的結(jié)構(gòu)映射理論。(Gentner因其在該理論方面的工作獲得了2016年David E. Rumelhart獎(jiǎng)。)

Forbus，西北麥考密克工程學(xué)院的電氣工程和計(jì)算機(jī)科學(xué)教授Walter P. Murphy與前西北心理學(xué)博士后研究員Andrew Lovett合作開發(fā)了該模型。他們的研究結(jié)果于本月在線發(fā)表在“ 心理學(xué)評(píng)論 ” 雜志上。

解決復(fù)雜視覺問題的能力是人類智能的標(biāo)志之一。開發(fā)具有這種能力的人工智能系統(tǒng)不僅為視覺推理中符號(hào)表征和類比的重要性提供了新的證據(jù)，而且可能縮小計(jì)算機(jī)與人類認(rèn)知之間的差距。

雖然Forbus和Lovett的系統(tǒng)可用于模擬一般的視覺問題解決現(xiàn)象，但他們?cè)赗aven的Progressive Matrices上進(jìn)行了專門測試，這是一種測量抽象推理的非語言標(biāo)準(zhǔn)化測試。所有測試的問題都包含一個(gè)缺少一個(gè)圖像的矩陣。測試者有六到八個(gè)選擇，以便最好地完成矩陣。Forbus和Lovett的計(jì)算模型表現(xiàn)優(yōu)于普通美國人。

“Raven的測試是心理學(xué)家所謂的'流體智能，或者抽象思考，理性，識(shí)別模式，解決問題和辨別關(guān)系的一般能力的最佳預(yù)測指標(biāo)'，”洛維特說，他現(xiàn)在是美國海軍研究所的研究員。實(shí)驗(yàn)室。“我們的研究結(jié)果表明，靈活運(yùn)用關(guān)系表征，比較和重新解釋它們的能力對(duì)流體智能非常重要。”

使用和理解復(fù)雜關(guān)系表示的能力是高階認(rèn)知的關(guān)鍵。關(guān)系表示將實(shí)體和想法聯(lián)系起來，例如“時(shí)鐘在門上”或“壓力差導(dǎo)致水流動(dòng)”。這些類型的比較對(duì)于制作和理解類比是至關(guān)重要的，人類用它來解決問題，權(quán)衡道德困境，并描述周圍的世界。

“今天關(guān)于視覺的大多數(shù)人工智能研究都集中在識(shí)別或標(biāo)記場景中的內(nèi)容而不是推理它，”Forbus說。“但只有在支持后續(xù)推理的情況下，認(rèn)可才有用。我們的研究為更廣泛地理解視覺推理提供了重要的一步。”