本文来自微信公众号【AI商业报道】
高层速读
关键信息：华盛顿大学和艾伦AI研究所的研究人员试图用狗的行为数据训练AI系统，他们通过传感器等设备采集了一只爱斯基摩犬的运动数据，基于数据建立了一个犬类机器学习系统。
关键数据：研究员在犬的头部装了1个GoPro相机，6个惯性测量单元用以判断物体的位置，1个麦克风以及一个把这些数据绑在一起的Arduino开发板。论文将于今年6月在CVPR上发表。
关键意义：利用犬类AI系统模仿和预测狗的行为，更好地理解视觉智能和其他智能生物。
目前人类已经训练了机器学习系统来识别物体，道路导航和识别面部表情，尽管实现它们可能很困难，但绝对没有达到模拟狗所需要的复杂程度。
华盛顿大学和艾伦AI研究所的研究人员试图用狗的行为数据训练AI系统，他们通过传感器等设备采集了一只爱斯基摩犬的运动数据，基于这些数据，建立了一个犬类机器学习系统。
▲爱斯基摩犬身上收集行为数据的装置
这个系统的目的有三个：1、像狗一样行动，预测未来动作；2、像狗一样计划任务；3、从狗行为中学习。最终的论文将于6月份在CVPR上发表。
为什么要这么做？
计算机视觉通常专注于解决与视觉智能相关的各种子任务。但我们偏离了这种标准的计算机视觉方法；相反，我们试图直接建模一个视觉智能体（visually intelligent agent）。我们的模型将视觉信息作为输入，并直接预测agent的行为。
尽管业界已经做了很多工作来模拟感知的子任务，比如识别一个对象并将其拾取出来，但是在“理解视觉数据以使Agent能够在视觉世界中采取行动和执行任务”方面却做得很少。换句话说，不是模拟眼睛的行为，而是模拟控制眼睛的主体。
为什么选择狗？
因为他们是足够复杂的视觉智能体，狗很聪明，我们不知道它们在想什么，因此“他们的目标和动机是事先未知的。”作为对这一研究领域的第一次尝试，研究小组想知道，如果通过密切监测狗，并将其运动和行动映射到它所看到的环境中，他们是否能够创建一个系统，准确地预测这些运动。
为了做到这一点，研究者把一套基础传感器装在一只名叫Kelp M. Redmon的美国爱斯基摩犬身上。他们在Kelp的头部装上1个GoPro相机，6个惯性测量单元（分别在腿、尾巴和身体上）用以判断物体的位置，1个麦克风以及一个把这些数据绑在一起的Arduino开发板。
本文来自微信公众号【AI商业报道】
他们记录了Kelp许多小时的活动：在不同的环境中散步、取东西、在公园玩耍、吃东西等。研究人员把狗的动作和它所看到世界的同步起来，结果就产生了狗环境中以自我为中心的行为的数据集，该数据集称为“DECADE数据集”，研究人员用数据集来训练一个犬类人工智能代理。
▲用于预测狗行为的模型
对这个agent，给定某种感官输入——例如一个房间或街道的景象，或一个飞过的球——以预测狗在这种情况下会做什么。当然，不用说特别细节，哪怕只是弄清楚它的身体如何移动，移向哪里，已经是一项相当重要的任务。
华盛顿大学的Hessam Bagherinezhad是研究人员之一，他解释道：“它学会了如何移动关节以走路，学会了再走路或跑步是如何避开障碍物。它学会了追着松鼠跑，跟随者主人走，追逐飞起来的狗玩具（玩飞盘游戏时）。这些都是计算机视觉和机器人技术的一些基本AI任务（例如运动规划、可步行的表面、物体检测、物体跟踪、人物识别），我们一直试图通过为每个任务收集单独的数据来解决。”
▲ 像狗一样规划行动；从狗的行为中学习
这可能会产生一些相当复杂的数据：例如，狗模型必须像狗一样知道行动路线，当它需要从这里走到那里时，它的行走路线是什么，它不能在树上行走，也不能在汽车上行走，也不能在沙发上行走。因此，模型也学习了这一点，这个模型可以作为一个计算机视觉模型单独部署，以找出宠物在给定图像中的位置。
这只是一个初步的实验，研究人员说，虽然成功但结果有限。该系统未来可能会考虑引入更多的感觉，例如嗅觉，或者看看一只狗(或多只)的模型是如何推广到其他狗身上的。
研究员的结论是：“我们希望这项工作为更好地理解视觉智能和生活在我们这个世界上的其他智能生物铺平道路。”
微信内搜索并关注公众号[AI商业报道]，获得人工智能领域第一手商业资讯
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
