Bir qancha inson xulq-atvor ma'lumotlari—faqat o‘n minglab oddiy o‘xshashlik baholari—video AI modellariga ijtimoiy o‘zaro ta’sirlarni odamlar kabi ko‘rishni o‘rgatishi mumkin, hatto sarlavhalarga tayanadigan gap-embedding modellaridan ham oshib ketadi.
Tadqiqot
Jon Hopkins universitetidan Karsi Garsiya va Leyla Isik V-JEPA2 kabi video asos modellari odamlarning ijtimoiy video kliplar orasidagi o‘xshashlikni qanday baholashini bashorat qila olishini tekshirdi. Ular barcha vizyon modellari video sarlavhalariga asoslangan oddiy gap-embedding modeli MPNetdan yomonroq ishlaganini aniqladilar. Bu farqni bartaraf qilish uchun ular xulq-atvor geometrik nazoratini (BGS) taqdim etdilar, bu modelni juftlik embedding geometriyasini inson o‘xshashlik baholari bilan moslashtiruvchi gibrid maqsad yordamida sozlaydi.
Ular 250 ta tabiiy ijtimoiy video klipdan 49,484 ta "birini top" bahosini to‘plashdi. To‘rtta orqa miya (V-JEPA 2/2.1, TimeSformer, VideoMAE va CLIP) bo‘yicha past darajali moslashuv yordamida eng yaxshi sozlangan model—V-JEPA 2.1—oldindan o‘qitilgan bazaga nisbatan deyarli uch baravar ishlashni yaxshiladi, shovqin shiftiga yaqinlashdi va MPNet bazasidan oshib ketdi. Muhimi, sozlangan modellar sarlavha asosidagi til embeddinglarida topilmaydigan noyob farqni ham qo‘lga kiritdi va aniq treninglarsiz talqin qilinadigan ijtimoiy-affektiv atributlarni (valentlik, qo‘zg‘alish, hukmronlik) ishlab chiqdi. Ular hatto alohida ma'lumotlar to‘plamidagi mavhum ijtimoiy o‘zaro ta’sirlarga nol-shot o‘tkazdi va diqqatni yuzlar va o‘zaro ta’sir qiluvchi tanalar kabi ijtimoiy jihatdan muhim hududlarga qaratdi. Moslashtirilgan til-distillash nazorati bu yaxshilanishlar xulq-atvor signalidan kelganini, sarlavha o‘tkazmasidan emasligini tasdiqladi.
Nima Uchun Muhim
Miyamiz dinamik sahnalardan ijtimoiy signallarni o‘qishda zo‘r—bu mahorat AI da takrorlash juda qiyin bo‘lgan. Bu tadqiqot oz miqdordagi inson xulq-atvor ma'lumotlari video modellarni insoniy ijtimoiy idrokka yo‘naltirishi mumkinligini ko‘rsatadi. Kognitiv fan uchun bu ijtimoiy tushunish aniq teglardan ko‘ra munosabatli o‘xshashlik tuzilmasidan o‘rganilishi mumkinligini taklif qiladi. AI xavfsizligi va inson-kompyuter o‘zaro ta’siri uchun bu video modellarni ijtimoiy kontekstga ko‘proq moslashtirish yo‘lini taqdim etadi, bu yordamchi texnologiyalardan kontent moderatsiyasigacha hamma narsani yaxshilashi mumkin.
Siz Nima Qila Olasiz
Siz video kliplarda his-tuyg‘ular va niyatlarni aniqlashni amaliyot qilib, o‘z ijtimoiy idrokingizni o‘rgatishingiz mumkin. Ovozni o‘chirib qisqa sahnalarni tomosha qilib, ijtimoiy dinamikani tasvirlab ko‘ring. Turli xil ijtimoiy kontent bilan shug‘ullanish nozik signallarni o‘qish qobiliyatingizni oshirishi mumkin—bu empatiya va muloqotni qo‘llab-quvvatlovchi mahoratdir.
Manba: arXiv q-bio.NC
O‘z miyangiz haqida qiziqasizmi? Bepul adaptiv IQ testimizni o‘ting yoki 306 ta miya mashg‘ulot darajasini sinab ko‘ring.
