Prognosticul viitor cauzal într-un spațiu-timp Minkowski
Estimarea evenimentelor viitoare este o sarcină dificilă. Spre deosebire de oameni, abordările de învățare automată nu sunt reglementate de o înțelegere naturală a fizicii. În sălbăticie, o succesiune plauzibilă de evenimente este supusă regulilor cauzalității, care nu pot fi derivate pur și simplu dintr-un set de antrenament finit. În această lucrare, cercetătorii (Imperial College London) propun un nou cadru teoretic pentru realizarea predicțiilor cauzale ale viitorului prin încorporarea informațiilor spațio-temporale într-un spațiu-timp Minkowski. Ei folosesc conceptul conului de lumină din teoria specială a relativității pentru a limita și traversa spațiul latent al modelului anarbitar. Ele demonstrează aplicații de succes în sinteza cauzală a imaginilor și predicția viitoarelor imagini video pe un set de date de imagine. Cadrul său este independent de arhitectură și sarcini și are garanții teoretice puternice pentru capacitățile cauzale.
În multe scenarii de zi cu zi facem predicții cauzale pentru a judeca modul în care situațiile ar putea să se dezvolte pe baza observațiilor și experiențelor noastre. Învățarea automată nu a fost încă dezvoltată la acest nivel, deși predicții automate și plauzibile din punct de vedere cauzal sunt extrem de dorite pentru aplicații critice, cum ar fi planificarea tratamentului medical, vehiculele autonome și siguranța. Lucrările recente au contribuit cu algoritmi de învățare automată pentru a prezice viitorul în secvențe și pentru inferența cauzală. O presupunere importantă pe care o adoptă implicit multe abordări este că spațiul reprezentării modelului este un spațiu euclidian plat cu N dimensiuni. Cu toate acestea, după cum a raportat Arvanitidis și colab. a fost arătat, presupunerea euclidiană conduce la concluzii incorecte, deoarece spațiul latent al unui model poate fi mai bine caracterizat ca un spațiu Riemannian înalt-dimensional, curbat decât un spațiu euclidian. Mai mult, teorema Alexandrov-Zeeman sugerează că cauzalitatea necesită un spațiu de grup lorentzian și susține inadecvarea spațiilor euclideene pentru analiza cauzală. În această postare, oamenii de știință prezintă un cadru nou care schimbă modul în care tratăm problemele viziunii computerizate, cum ar fi continuarea secvențelor de imagini. Ei încorporează informații într-un colector pseudoriemann spațiotemporal, de înaltă dimensiune - spațiul-timp Minkowski - și folosesc conceptul de relativitate specială a conului de lumină pentru a efectua inferența cauzală. Vă concentrați asupra secvențelor temporale și sintezei imaginilor pentru a afișa toate capacitățile cadrului dvs.
Lesen Sie mehr aici