Šīs dīvainās virtuālās radības attīsta savu ķermeni, lai atrisinātu problēmas

Agrims Gupta, Silvio Savarese, Surja Ganguli un Li Fei-Fei

Nebeidzami daudz dažādu virtuālu radījumu skraida un skraida pa ekrānu, cīnoties pāri šķēršļiem vai velkot bumbiņas uz mērķi. Tie izskatās kā pusveidoti krabji, kas izgatavoti no desām vai, iespējams, Thing, bezķermeņa roka no Addamsu ģimene . Taču šie “dzīvnieki” (saīsinājums no universālajiem dzīvniekiem) varētu palīdzēt pētniekiem vairāk attīstīties vispārējas nozīmes intelekts mašīnās.

Agrims Gupta no Stenfordas universitātes un viņa kolēģi (tostarp Fei-Fei Li, kurš ir līdzdirektors Stenfordas cilvēkcentrēta AI institūtam un vadīja ImageNet izveidi) izmantoja šos unimalus, lai izpētītu. divi jautājumi, kas bieži tiek ignorēti AI pētījumos: kā intelekts ir saistīts ar ķermeņa izvietojumu un kā spējas var attīstīt evolūcijas ceļā, kā arī apgūt.

Saistīts stāsts

Bezgalīgi mainīgs rotaļu laukums māca AI veikt vairākus uzdevumus

Virtuālās spēļu pasaules nodrošina nepārtrauktu beztermiņa izaicinājumu plūsmu, kas virza mākslīgo intelektu uz vispārējo inteliģenci.

Šis darbs ir nozīmīgs solis gadu desmitiem ilgā mēģinājumā labāk izprast ķermeņa un smadzeņu attiecības robotos, saka Džošs Bongards, kurš studē evolucionāro robotiku Vērmontas Universitātē un nebija iesaistīts darbā.

Ja pētnieki vēlas no jauna radīt intelektu mašīnās, viņiem varētu kaut kā pietrūkt, saka Gupta. Bioloģijā intelekts rodas, prātam un ķermenim strādājot kopā. Ķermeņa plānu aspekti, piemēram, ekstremitāšu skaits un forma, nosaka, ko dzīvnieki var darīt un ko viņi var mācīties. Padomājiet par aye-aye — lemuru, kas izveidoja iegarenu vidējo pirkstu, lai dziļi izpētītu grumbuļus.

AI parasti koncentrējas tikai uz prāta daļu, veidojot mašīnas, lai veiktu uzdevumus, kurus var apgūt bez ķermeņa, piemēram, izmantot valodu, atpazīt attēlus un spēlēt videospēles. Taču šis ierobežotais repertuārs drīz varētu novecot. AI ietīšana ķermeņos, kas ir pielāgoti konkrētiem uzdevumiem, tiem varētu atvieglot plašu jaunu prasmju apgūšanu. Viena lieta, kas katram saprātīgam dzīvniekam uz planētas ir kopīga ķermenī, saka Bongards. Iemiesojums ir mūsu vienīgā cerība izgatavot gudras un drošas mašīnas.

Unimāliem ir galva un vairākas ekstremitātes. Lai redzētu, ko viņi varētu darīt, komanda izstrādāja paņēmienu, ko sauc par dziļu evolucionāro pastiprināšanas mācīšanos (DERL). Unimāli vispirms tiek apmācīti, izmantojot pastiprināšanas mācības, lai veiktu uzdevumu virtuālajā vidē, piemēram, ejot pa dažāda veida reljefu vai pārvietojot objektu.

Pēc tam tiek atlasīti unimāli, kas darbojas vislabāk, un tiek ieviestas mutācijas, un iegūtie pēcnācēji tiek ievietoti atpakaļ vidē, kur viņi no nulles apgūst tos pašus uzdevumus. Process atkārtojas simtiem reižu: attīsties un mācies, attīsties un mācies.

Unimals mutācijas tiek pakļautas ekstremitāšu pievienošanai vai noņemšanai, vai ekstremitāšu garuma vai elastības maiņai. Iespējamo ķermeņa konfigurāciju skaits ir milzīgs: ir 10^18 unikālas variācijas ar 10 vai mazāk ekstremitātēm. Laika gaitā unimālu ķermeņi pielāgojas dažādiem uzdevumiem. Daži unimāli ir attīstījušies, lai pārvietotos pa līdzenu reljefu, krītot uz priekšu; daži izveidoja ķirzakai līdzīgu zīliņu; citi attīstīja knaibles, lai satvertu kasti.

Pētnieki arī pārbaudīja, cik labi attīstītie unimāli spēj pielāgoties uzdevumam, ko viņi iepriekš nebija redzējuši, kas ir būtiska vispārējā intelekta iezīme. Tie, kas bija attīstījušies sarežģītākā vidē, kurā bija šķēršļi vai nelīdzens reljefs, ātrāk apguva jaunas prasmes, piemēram, lodes ripināšanu, nevis kastes stumšanu. Viņi arī atklāja, ka DERL izvēlējās ķermeņa plānus, kas iemācījās ātrāk, lai gan nebija selektīva spiediena to darīt. Man tas šķiet aizraujoši, jo tas parāda, cik dziļi ir saistīti ķermeņa forma un intelekts, saka Gupta.

Saistīts stāsts

AI mācās izveidot sevi

Cilvēki ir cīnījušies, lai izveidotu patiesi inteliģentas mašīnas. Varbūt mums jāļauj viņiem pašiem tikt galā.

Jau zināms, ka daži ķermeņi paātrina mācīšanos, saka Bongards. Šis darbs parāda, ka AI var meklēt šādus ķermeņus. Bongarda laboratorija ir izstrādājusi robotu korpusus, kas ir pielāgoti konkrētiem uzdevumiem, piemēram, uzklājot pēdām kallusveida pārklājumus, lai samazinātu nodilumu. Gupta un viņa kolēģi paplašina šo ideju, saka Bongards. Tie parāda, ka pareizais ķermenis var arī paātrināt izmaiņas robota smadzenēs.

Galu galā šī tehnika varētu mainīt veidu, kā mēs domājam par fizisku robotu veidošanu, saka Gupta. Tā vietā, lai sāktu ar fiksētu ķermeņa konfigurāciju un pēc tam apmācītu robotu konkrēta uzdevuma veikšanai, varat izmantot DERL, lai ļautu izstrādāt optimālo ķermeņa plānu šim uzdevumam un pēc tam to izveidot.

Gupta unimāli ir daļa no plašām izmaiņām tajā, kā pētnieki domā par AI. Tā vietā, lai apmācītu AI veikt konkrētus uzdevumus, piemēram, spēlēt Go vai analizēt medicīnisko skenēšanu, pētnieki sāk mest robotus virtuālās smilšu kastēs, piemēram, DZEJNIEKS , OpenAI virtuālā paslēpes arēna , un DeepMind virtuālais rotaļu laukums XLand — un likt viņiem iemācīties atrisināt vairākus uzdevumus pastāvīgi mainīgos, beztermiņa mācību dojo. Tā vietā, lai apgūtu vienu izaicinājumu, šādi apmācītie AI apgūst vispārīgas prasmes.

Guptai brīvas formas izpēte būs svarīga nākamās paaudzes AI. Viņš saka, ka mums ir vajadzīga patiesi atvērta vide, lai izveidotu inteliģentus aģentus.

paslēpties