AIDE: Automated Instruction via Distilled Expertise for Reference-Free Motor Skill Coaching
Das Paper stellt AIDE vor, ein neuartiges Framework, das Experten-Demonstrationen ausschließlich während des Trainings nutzt, um Fachwissen in ein referenzfreies Modell zu destillieren, das in der Lage ist, allein aus der Pose-Sequenz eines Lernenden natürliches Coaching-Feedback in natürlicher Sprache zu generieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine Welt vor, in der das Erlernen einer neuen Fertigkeit – wie etwa eines Basketballwurfs, des Fußballspiels oder sogar das Reparieren eines Automotors – keinen menschlichen Trainer erfordert, der direkt neben einem steht. Seit Jahrhunderten war der beste Weg zu lernen, von einem Meister zuzusehen, es selbst auszuprobieren und einen sanften (oder manchmal harten) Anstoß zu bekommen, was man korrigieren muss. Aber hier ist der Haken: Echte Experten sind selten, teuer und können nur wenige Menschen gleichzeitig beobachten. Dies lässt Millionen von Lernenden im Dunkeln tappen, während sie raten, was sie falsch machen.
Hier kommt die Welt der Künstlichen Intelligenz ins Spiel, speziell ein Zweig, der versucht, Computern beizubringen, wie sie menschliche Bewegungen „sehen“ und „verstehen“. Wissenschaftler haben Systeme entwickelt, die ein Video einer sich bewegenden Person betrachten und ihr eine Punktzahl geben können, ähnlich wie ein Richter bei den Olympischen Spielen. Aber eine Punktzahl ist nur eine Zahl; sie sagt einem nicht, wie man seine Form korrigieren soll. Um tatsächliches Feedback zu erhalten, müssen Computer normalerweise sowohl den Lernenden als auch einen perfekten Experten sehen, der dieselbe Bewegung nebeneinander ausführt, um sie zu vergleichen. Das funktioniert großartig in einem Labor, aber in der realen Welt findet man nicht immer einen perfekten Experten, der jedes Mal neben einem steht, wenn man versucht, etwas Neues zu lernen. Die große Frage lautet: Kann man einen Computer dazu bringen, ein großartiger Coach zu sein, indem er das Expertenwissen nur während des Studiums nutzt, damit er später allein durch das Beobachten des Lernenden erstklassigen Rat geben kann?
Genau das untersucht ein neues Paper von Yoshiki Ito von Hitachi, Ltd. Die Forscher stellen ein System namens AIDE (Automated Instruction via Distilled Expertise) vor. Betrachten Sie AIDE als einen Schüler-Coach, der eine Zeit lang mit einem Weltklasse-Mentor zusammenarbeitet, aber dann losziehen muss, um alleine zu coachen, ohne dass der Mentor anwesend ist.
So geschieht die Magie. In der ersten Phase beobachtet der Computer (der „Lehrer“) tausende Videos eines Lernenden und eines passenden Experten, die dieselbe Bewegung ausführen, wie etwa einen Sprungwurf beim Basketball. Er lernt, die winzigen Unterschiede zwischen den beiden zu erkennen und schreibt einen Coaching-Bericht. Entscheidend ist, dass er lernt, die „Bewegungen des Lernenden“ von dem „Unterschied zwischen dem Lernenden und dem Experten“ zu trennen. Es ist, als würde der Lehrer zwei Dinge gleichzeitig lernen: „Hier ist das, was der Schüler gemacht hat“, und „Hier ist genau der Punkt, an dem der Schüler im Vergleich zum Profi versagt hat“.
In der zweiten Phase beginnt der eigentliche Test. Der Computer erstellt ein „Schüler“-Modell. Dieser Schüler erbt das Gehirn des Lehrers (speziell den Teil, der versteht, wie man die Bewegungen des Lernenden liest), verliert aber die Fähigkeit, den Experten zu sehen. Anstatt in der Lage zu sein, den Experten zu betrachten, um die Differenz zu berechnen, muss der Schüler raten, wie die „Differenz“ basierend nur auf den Bewegungen des Lernenden aussehen sollte. Hier findet der clevere Trick statt: Der Schüler versucht nicht, die Notizen des Lehrers Wort für Wort zu kopieren. Stattdessen lernt er, seine eigene Version der „Coaching-Anweisungen“ zu generieren, die demselben Muster entspricht, indem er das Wissen nutzt, das er während seines Trainings mit dem Experten absorbiert hat.
Das Paper stellt fest, dass dieser Ansatz überraschend gut funktioniert. Bei Tests mit Basketball- und Fußballdaten war AIDE in der Lage, Coaching-Feedback zu geben, das fast so gut war wie Systeme, die während der eigentlichen Coaching-Sitzung noch einen Experten benötigen. Es schlug Systeme, die niemals einen Experten gesehen hatten, sogar. Die Forscher legen nahe, dass das Schüler-Modell durch das „Destillieren“ des Expertenwissens während des Trainings die Regeln der guten Form so gut verinnerlicht hat, dass es den Experten nicht mehr sehen musste.
Interessanterweise argumentiert das Paper gegen einige gängige Vorstellungen. Es legt nahe, dass man den Schüler nicht dazu zwingen muss, die internen Berechnungen des Lehrers perfekt nachzuahmen (ein Prozess, der als explizite Destillation bezeichnet wird). Tatsächlich machte der Versuch, den Schüler zu zwingen, die „Differenz“-Notizen des Lehrers exakt zu kopieren, die Leistung sogar schlechter. Der Schüler arbeitete am besten, wenn er frei war, seine eigene Art zu finden, das Problem zu beschreiben, solange er mit der Gehirnstruktur des Lehrers startete. Der Autor zeigt auch, dass dies nicht nur daran lag, dass der Schüler ein größerer, leistungsfähigerer Computer war; sie bewiesen, dass eine einfachere Version ohne das Expertentraining dieselbe Aufgabe nicht bewältigen konnte, selbst wenn sie die gleiche Größe hatte.
Obwohl die Ergebnisse vielversprechend sind, merkt das Paper vorsichtig an, dass dies noch ein laufender Prozess ist. Das System funktioniert hervorragend bei Basketball und zeigt vielversprechende Ansätze bei Fußball, hatte aber etwas mehr Schwierigkeiten bei Fußball, wenn nicht viel Trainingsdaten zur Verfügung standen. Die Forscher weisen auch darauf hin, dass sie dies noch nicht an Menschen getestet haben – nur an Computersimulationen von Feedback. Während AIDE also einen Weg zu einer Zukunft aufzeigt, in der jeder über das Smartphone Coaching auf Expertenniveau erhalten kann, sind wir noch nicht ganz dort. Aber es ist ein großer Schritt, um das Wissen eines Meister-Coaches für jeden jederzeit und überall verfügbar zu machen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.