211service.com
Tato podivná virtuální stvoření vyvíjejí svá těla, aby řešila problémy
Agrim Gupta, Silvio Savarese, Surya Ganguli & Li Fei-Fei
Nekonečná škála virtuálních tvorů utíká a utíká po obrazovce, bojuje přes překážky nebo táhne míčky k cíli. Vypadají jako napůl tvarovaní krabi z klobás – nebo možná Thing, ruka bez těla z Rodina Addamsových . Ale tato „zvířata“ (zkratka pro univerzální zvířata) by ve skutečnosti mohla výzkumníkům pomoci k dalšímu rozvoji inteligence pro všeobecné účely ve strojích.
Agrim Gupta ze Stanfordské univerzity a jeho kolegové (včetně Fei-Fei Li, který spoluřídí Stanfordský institut pro umělou inteligenci zaměřenou na člověka a vedl vytvoření ImageNet) použili tyto tvory k prozkoumání dvě otázky, které jsou často přehlíženy ve výzkumu umělé inteligence: jak je inteligence svázána se způsobem uspořádání těl a jak lze schopnosti rozvíjet prostřednictvím evoluce a také se učit.
Související příběh
Nekonečně se měnící hřiště učí AI, jak multitasking Virtuální herní světy poskytují nepřetržitý proud výzev s otevřeným koncem, které posouvají AI směrem k obecné inteligenci.
Tato práce je důležitým krokem v desetiletí trvajícím pokusu lépe porozumět vztahu těla a mozku u robotů, říká Josh Bongard, který studuje evoluční robotiku na univerzitě ve Vermontu a na práci se nepodílel.
Pokud chtějí výzkumníci znovu vytvořit inteligenci ve strojích, možná jim něco chybí, říká Gupta. V biologii inteligence vzniká ze spolupráce myslí a těl. Aspekty tělesných plánů, jako je počet a tvar končetin, určují, co zvířata dokážou a co se mohou naučit. Vzpomeňte si na aye-aye, lemura, který vyvinul podlouhlý prostředníček, aby prozkoumával díry hluboko do děr.
Umělá inteligence se obvykle zaměřuje pouze na mysl, staví stroje k provádění úkolů, které lze zvládnout bez těla, jako je používání jazyka, rozpoznávání obrázků a hraní videoher. Tento omezený repertoár by ale mohl brzy zestárnout. Zabalení AI do těl, která jsou přizpůsobena konkrétním úkolům, by jim mohlo usnadnit učení se široké škále nových dovedností. Jedno má každé inteligentní zvíře na planetě v těle společné, říká Bongard. Provedení je naší jedinou nadějí na výrobu strojů, které jsou chytré a bezpečné.
Unimaly mají hlavu a více končetin. Aby viděli, co mohou udělat, tým vyvinul techniku zvanou hluboké evoluční posilování (DERL). Zvířata jsou nejprve trénována pomocí posilovacího učení, aby dokončili úkol ve virtuálním prostředí, jako je chůze po různých typech terénu nebo pohyb objektu.
Zvířata s nejlepšími výsledky jsou poté vybrána a zavedeny mutace a výslední potomci jsou umístěni zpět do prostředí, kde se učí stejné úkoly od začátku. Proces se opakuje stokrát: vyvíjet se a učit se, vyvíjet se a učit se.
U mutací jsou zvířata vystavena přidání nebo odstranění končetin nebo změně délky nebo flexibility končetin. Počet možných konfigurací těla je obrovský: existuje 10^18 jedinečných variant s 10 končetinami nebo méně. Časem se těla zvířat přizpůsobí různým úkolům. Některá zvířata se vyvinula tak, že se pohybují po plochém terénu padáním dopředu; z některých se vyvinulo ještěrce podobné kolébání; jiní vyvinuli kleště k uchopení krabice.
Výzkumníci také testovali, jak dobře se vyvinutí tvorové dokázali přizpůsobit úkolu, který předtím neviděli, což je základní rys obecné inteligence. Ty, které se vyvinuly ve složitějších prostředích obsahujících překážky nebo nerovný terén, se rychleji učily novým dovednostem, jako je koulení míče místo tlačení krabice. Zjistili také, že DERL vybral tělesné plány, které se učily rychleji, i když na to nebyl žádný selektivní tlak. Považuji to za vzrušující, protože to ukazuje, jak hluboce jsou propojeny tvar těla a inteligence, říká Gupta.
Související příběh
AI se učí, jak se tvořit Lidé se snažili vyrobit skutečně inteligentní stroje. Možná je musíme nechat, aby se s tím vypořádali sami.
Je již známo, že některá těla urychlují učení, říká Bongard. Tato práce ukazuje, že AI dokáže taková těla vyhledávat. Laboratoř společnosti Bongard vyvinula těla robotů, která jsou přizpůsobena konkrétním úkolům, jako je vytváření povlaků podobných mozolům na chodidlech, aby se snížilo opotřebení. Gupta a jeho kolegové tuto myšlenku rozšiřují, říká Bongard. Ukazují, že správné tělo může také urychlit změny v mozku robota.
Nakonec by tato technika mohla zvrátit způsob, jakým uvažujeme o stavbě fyzických robotů, říká Gupta. Namísto toho, abyste začínali s pevnou konfigurací těla a poté trénovali robota k provedení konkrétního úkolu, můžete použít DERL k tomu, abyste nechali vyvinout optimální tělesný plán pro tento úkol a poté jej postavili.
Guptovy tvory jsou součástí širokého posunu v tom, jak výzkumníci přemýšlejí o AI. Místo trénování AI na konkrétní úkoly, jako je hraní Go nebo analyzování lékařského skenu, začínají výzkumníci pouštět roboty do virtuálních sandboxů – jako např. BÁSNÍK , Virtuální aréna na schovávanou OpenAI , a Virtuální hřiště DeepMind XLand — a přimět je, aby se naučili řešit různé úkoly v neustále se měnících, otevřených tréninkových dojos. Namísto zvládnutí jediné výzvy se AI vycvičené tímto způsobem učí obecné dovednosti.
Pro Guptu bude volný průzkum klíčové pro příští generaci AI. Potřebujeme skutečně otevřená prostředí k vytváření inteligentních agentů, říká.