>È stato sviluppato un nuovo modello computerizzato in grado di eguagliare la capacità umana di prevedere come si muoveranno gli oggetti. Il modello potrebbe essere utilizzato per migliorare la sicurezza delle auto a guida autonoma e di altri sistemi autonomi, nonché per simulare oggetti nei videogiochi e nei film.

> Gli esseri umani prevedono il movimento degli oggetti attingendo alla conoscenza visiva e fisica, nonché al buon senso. Il modello computerizzato, sviluppato dai ricercatori della Stanford University, combina l’apprendimento automatico e la simulazione basata sulla fisica per ottenere prestazioni simili a quelle umane in una serie di compiti, inclusa la previsione di come una pallina rimbalzerà su un tavolo o di come un liquido scorrerà in un bicchiere. .

> "Il nostro modello può simulare il mondo che ci circonda in un modo intuitivo per gli esseri umani", ha affermato Peter Abbeel, professore di informatica a Stanford e direttore dello Stanford Artificial Intelligence Laboratory. "Ciò apre una vasta gamma di possibilità per nuove applicazioni che si basano sulla previsione accurata degli oggetti, come le auto a guida autonoma e i videogiochi."

> Il modello computerizzato utilizza una combinazione di reti neurali convoluzionali (CNN), ovvero reti neurali artificiali in grado di elaborare informazioni spaziali, e un motore basato sulla fisica per simulare il movimento degli oggetti. Le CNN vengono utilizzate per estrarre caratteristiche dall'input visivo, come la forma e la trama di un oggetto, e il motore basato sulla fisica viene utilizzato per simulare il modo in cui l'oggetto si muoverà in base a tali caratteristiche.

> Il modello è stato addestrato su un ampio set di dati di acquisizione del movimento umano, che gli ha permesso di apprendere come gli esseri umani prevedono il movimento degli oggetti. I ricercatori hanno scoperto che il modello potrebbe raggiungere prestazioni simili a quelle umane in una serie di compiti, tra cui prevedere il percorso di una palla, la traiettoria di un liquido e il movimento di una mano umana.

> "Speriamo che il nostro modello possa aiutare a colmare il divario tra l'intuizione umana e l'apprendimento automatico", ha affermato Abbeel. "Unendo il meglio di entrambi i mondi, possiamo creare sistemi autonomi più sicuri, efficienti e facili da usare."