Приклад матриць Рівена - класичного візуального тесту.
Дослідники з Північно-Західного університету (Northwestern University) розробили обчислювальну модель, яка вирішує завдання візуального тесту (який ще використовують для оцінки IQ) краще, ніж середній американець. Результати роботи опубліковані в журналі Psychological Review.
«Модель вирішує завдання не гірше 75% дорослих американців, тобто, на рівні вище середнього, - говорить один з авторів дослідження Кен Форбус (Ken Forbus). - Проблеми, складні для людей, складні і для моделі, і це ще один доказ того, що вона володіє деякими важливими для когнітивних здібностей людини характеристиками». Які ж ці характеристики? Дослідники вважають, що головна особливість нашого інтелекту - здатність знаходити аналогії. Ми постійно порівнюємо різні сутності між собою: коли вибираємо фільм для вечірнього перегляду, шукаємо відповідну модель смартфона або вирішуємо, до кого звернутися за порадою. За цим же принципом працює і навчання: люди застосовують в одній ситуації навички, яким навчилися в іншій - за умови, що між ними є щось спільне.
У людей рівень інтелекту, абстрактне мислення і здатність шукати аналогії оцінюють за допомогою візуальних тестів. Один з них називається «Стандартні прогресивні матриці Рівена». Це класичний і перевірений часом тест - його активно використовують вже вісімдесят років. Тест Рівня містить 60 завдань, розподілених за п'ятьма серіями, в кожній з них складність завдань поступово зростає. Під час тесту людині показують таблиці або «матриці» - малюнки з фігурами, пов'язаними між собою певною логічною залежністю. Жодної фігури немає. Учаснику тесту потрібно встановити закономірність, що зв'язує між собою елементи і вибрати відсутній фрагмент з 6-8 запропонованих варіантів. «Тест Равена - це найкращий предиктор того, що психологи називають» рухомим інтелектом «, тобто здатністю абстрактно мислити, логічно міркувати, розпізнавати закономірності, вирішувати проблеми і знаходити взаємозв'язки», - говорить один з авторів дослідження, Ендрю Ловетт (Andrew Lovett).
Вчені вирішили довести, що здатність шукати аналогії лежить в основі як вирішення візуальних завдань, так і інтелекту в цілому. Для цього вони розробили обчислювальну модель, здатну пройти тест Рівена. У її основі лежать система CogSketch і модель структурного відображення (Structure mapping engine, SME). CogSketch - платформа, створена дослідниками в минулому році. Вона здатна «розуміти» просторові відносини між об'єктами почесних зображень - їх можна малювати самому або імпортувати ззовні. Власного «зору» у програми немає, користувачеві доводиться розділяти малюнок на окремі об'єкти, і на основі цієї інформації CogSketch обчислює положення в просторі і топологію - тобто, визначає, чи містить один об'єкт інший, чи перетинаються вони тощо. Тобто для того, щоб модель могла вирішувати завдання тесту Равена, таблиці із завданнями треба перевести в зрозумілий системі формат за допомогою CogSketch. Але одного «розуміння» картинки для вирішення мало: потрібно знайти подібності і відмінності між малюнками, а потім згенерувати відповідь на основі цих даних. Цим займається SME - модель для пошуку аналогій і порівняння об'єктів.
Щоб роботу моделі було з чим порівняти, дослідники попросили студентів Північно-Західного університету пройти тест Равена. В експерименті взяли участь 46 осіб віком від 18 до 22 років. Вони вирішили 36 завдань на комп'ютері - це дозволило вченим визначити, скільки часу потрібно, щоб завершити завдання і які варіанти розглядали студенти. Потім наукова група запустила симуляцію на моделі, цього разу комп'ютеру потрібно було вирішити всі 60 завдань тесту. Програма впоралася з 56 матрицями з 60. Студенти, в середньому, вирішували 30 з 36 - що було б приблизно дорівнює 54/60, якби їх змушували б проходити тест цілком. Таким чином, модель обійшла людину, і згідно з нормами, прийнятими в США в 1993 році, показала результат «вище середнього».
«Більшість сучасних досліджень штучного інтелекту присвячені розпізнаванню або маркуванню того, що містить зображення, а не його аналізу, - говорить Форбус. - Але розпізнавання має сенс тільки якщо воно призводить до якихось висновків». «Наше дослідження дозволило зробити ще один важливий крок до більш широкого розуміння візуального мислення», - підсумовує він.