最聪明的狗,短短1年发了1.5篇论文

2023-11-07 12:30
文章标签 论文 1.5 聪明 短短 年发

本文主要是介绍最聪明的狗,短短1年发了1.5篇论文,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文转载自虎嗅网

“找到‘海豚’。”

听到指令之后,动图里的这只狗狗马上跑去客厅,独自在玩具堆中找到了刚刚认识的新玩具“海豚”。

找海豚?难不倒我!|  Youtube:@FamilyDogProject

这是 Whisky,一只住在挪威的雌性边境牧羊犬——为了让她听起来不那么像个小酒鬼,我们就叫她“薇世姬”好了。她可能是最聪明的狗狗之一,6 岁的她已经以一狗之力,帮助匈牙利罗兰大学的研究者发表了 1.5 篇论文

玩具名不够用啦 

薇世姬的过狗之处,是她拥有极强的学习和记忆能力。她有许多玩具,而且玩具都有自己的名字。像上面动图里找海豚那样,在主人赫尔格·O·塞维拉(Helge O. Svela)说出玩具名字后,她就会独自在玩具堆里找到对应的那一个。目前,她已经记住了一百多个玩具的名字。

家大业大,有的是玩具 | Helge O. Svela

学霸薇世姬算得上是无师自通,她从来都没有参加过什么“天才狗狗训练营”之类的课程。以前有一只叫查斯(Chaser)的边牧前辈,能记住超过 1000 个玩具的名字,但她曾经接受过密集的训练。而薇世姬的学习过程,仅仅是与主人的日常玩耍。她十分沉迷于听名字、找玩具的游戏,总是玩不够,以至于主人只能带她去户外休息——这相当于家长强行打断孩子的学习。

起初薇世姬只有 59 个玩具时,她就能准确记住其中的 54 个。那个时候,玩具们的名字都还很正常,像是“鸭子”、“大象”。但随着玩(学)耍(习)的玩具越来越多,主人只好给一些玩具取人名,比如“黛西”、“威格”,因为薇世姬的玩具中,已经出现了第二只鸭子、第二只大象……

为难我这只小狗狗?|  Youtube:@FamilyDogProject

薇世姬的超强记忆力吸引来了罗兰大学的研究者,他们决定为难这只小狗狗,给她设立一些高难度的挑战!

给新玩具分类 

薇世姬的一些玩具是可以根据形状来分类的。她有 25 个玩具分别属于球、飞盘、绳子、圆环,而且这些玩具的名字都是“形容词+具体形状”的组合,比如“小飞盘”、“彩色飞盘”。如果她能把玩具和名字联系起来,那么下次听到“飞盘”时,是不是就能在一堆新玩具里找到飞盘了呢?

玩飞盘 |  Youtube:@FamilyDogProject

薇世姬先和主人一起玩了 4 个不同类别的新玩具。在这个过程里,主人不会喊出新玩具的名字,但会遵循每个类别的典型玩法,例如飞盘会被抛向空中,绳子则用来玩拔河。1 分钟后,主人发出指令,比如“拿一根绳子”;薇世姬则需要在这 4 个刚刚接触的新玩具里,选择她认为正确的那个。在 44 次测试里,她有 24 次都选对了,远高于蒙对了的概率,可见薇世姬具有一定的分类能力——挑战成功!

研究者还发现,和主人玩耍的过程很重要。如果薇世姬没有先和主人一起接触新玩具,准确率就会下降至 38.44%。对她来说,玩就是学,玩耍的过程有助于它培养对新玩具的认知,准确分类

歪歪头听指令,然后就找到绳子啦 |  Youtube:@FamilyDogProject

不过,天才也有短板。当被要求找圆环时,薇世姬常常都会出错。另外,研究者还试图测试她根据颜色进行分类的能力;但测试进行到一半,小狗就表现得非常紧张,大声地喘息和吠叫,这项测试因而被中止。

但这种边玩边学的能力,还是让薇世姬成为了论文主角。去年 2 月,《科学报告》刊发了这篇关于狗分类能力的研究。

4次就能学会 

薇世姬的确记住了玩具的名字,但她究竟是如何把玩具和词汇联系起来的呢?研究者决定,给她再设立一些新的挑战——如果只学习 4 次,薇世姬能否记住玩具的名字

一开始,主人拿出 1 个新玩具,说出玩具名,并且让小狗和新玩具一起玩耍;之后再拿出第 2 个新玩具,仍然通过玩耍的方式,培养狗对这个玩具的记忆力。这样的学习方式被称为“社交法”,旨在模仿宠物狗和主人的日常相处。在重复 4 次之后,薇世姬独自面对摆出一起的 2 个新玩具,通过主人说出的名字来分辨它们。

和主人玩耍的过程很重要 | Helge O. Svela

结果,在超过 70% 的测试里,薇世姬都选对了——挑战成功!通过玩耍的方式,仅仅听到 4 次,聪明的狗狗就能快速学会一个新词语。

而且,这次的研究再次证明,玩耍的过程非常重要。一旦把“社交法”换成“排除法”,狗狗可就记不住了。

所谓“排除法”,是把一个新玩具和熟悉的旧玩具们摆在一起,当听到不熟悉的新名字,狗狗通过排除,就把新玩具和新名字联系起来。然而,用这种方式学习了 4 次之后,薇世姬径直奔向了错误的玩具。

“排除法”学习后,径直奔向了错误的玩具 | Youtube:@FamilyDogProject

另外,学霸虽然可以边玩边学,但也需要复习巩固。在“社交法”学习结束后,实验者收走玩具,让狗自由玩耍 10 分钟,然后再次测试。原本表现不俗的薇世姬,这时候识别新玩具的准确率下降到了 55%;1 个时之后,准确率掉至 50%。

寻找更多的天才狗狗 

因为这种快速记忆新玩具的能力,仅仅时隔一年,薇世姬又拥有了半篇以自己为主角的论文。为什么是半篇?因为这次,还有另一只天才狗狗也参与了挑战——当时 9 岁大的约克夏梗维琪·妮娜(Vicky Nina)。

漂亮的妮娜 |  Marco Ojeda

维琪·妮娜平时认识的玩具也有几十个,在“社交法记名字”的挑战中,她的准确率甚至比薇世姬更高。她们俩的表现,在芸芸众狗中都是相当不凡的——研究者还召集了 20 只同样喜欢抓玩偶的志愿狗,但面对同样的实验,它们无法像薇世姬和妮娜一样,仅听到4次就记住新玩具的名字。

在这次研究之前,薇世姬和妮娜已经记得不少玩具的名字了。她们的亮眼表现,或许是由于自身天赋异禀,也可能是因为后天养成了学习的习惯。有些品种的狗狗可能根本就不喜欢玩玩具,也对完成指令没有兴趣,它们有的更擅长于奔跑或狩猎,并不适合进行这种训练。

为了研究更多的狗界小天才,研究者去年还举办了一个“天才狗狗挑战赛”。

参与挑战赛的6只狗狗 | geniusdogchallenge.com

来自世界各地的 6 只宠物狗参加了这项挑战。在第一阶段,狗狗需要在一周之内记住 6 个新玩具的名字;第二阶段则升级到了一周 12 个新玩具。每个阶段的学习结束后,狗狗会两两配对,通过网络连线直播的方式现场 PK。

遗憾的是,妮娜在比赛前不幸过世,无缘参加这个项目。而如今已经 6 岁的薇世姬不仅参加了挑战,而且作为经验老道的选手,她寻找玩具的准确率和速度都非常高。

比赛中的薇世姬(右边),她迅速找到玩具时,里科(左)还在玩具堆里有些犯难 | Youtbue:@Genius Dog Challenge

 

天才狗狗,当之无愧。

 

这篇关于最聪明的狗,短短1年发了1.5篇论文的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/363617

相关文章

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

2024 年高教社杯全国大学生数学建模竞赛 C 题 农作物的种植策略 参考论文 无水印

持续更新中,2024年数学建模比赛思路代码论文都会发布到专栏内,只需订阅一次!  完整论文+代码+数据结果链接在文末!  订阅后可查看参考论文文件 第一问 1.1 问题重述 这个问题围绕的是华北山区的某乡村,在有限的耕地条件下,如何制定最优的农作物种植策略。乡村有 34 块露天耕地和 20 个大棚,种植条件包括粮食作物、蔬菜、水稻和食用菌。除了要考虑地块的面积、种植季节等,还要确保

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes 优势 1、构建了一个用于监督原始视频去噪的基准数据集。为了多次捕捉瞬间,我们手动为对象s创建运动。在高ISO模式下捕获每一时刻的噪声帧,并通过对多个噪声帧进行平均得到相应的干净帧。 2、有效的原始视频去噪网络(RViDeNet),通过探

2024年全国大学生数学建模A题借鉴论文

问题  1: 舞龙队的动态位置与速度计算 1. **螺旋线的几何建模**:根据题目描述,舞龙队沿着等距螺旋线前进。螺旋线的螺距为 55 cm, 需根据极坐标公式确定每节板凳的位置。 -  极坐标螺旋线方程:\( r = a + b\theta \), 其中  \( b \)  是螺距, 可以利用该方程计算 每秒舞龙队的各个节数的坐标。 2. **速度计算**:给定龙头的行进速度为 1 m/s ,