Olimpiada Animal-AI będzie traktować AI jak szczura laboratoryjnego

Pani Tech; Zdjęcia: Wikimedia commons

W jednej z bajek Ezopa spragniona wrona znajduje dzban z niewielką ilością wody poza zasięgiem dzioba. Po nieudanej próbie przepchnięcia dzbanka wrona upuszcza kamyki jeden po drugim, aż poziom wody się podniesie, pozwalając ptakowi napić się. Dla Ezopa bajka pokazała wyższość inteligencji nad brutalną siłą.

Dwa i pół tysiąclecia później możemy zobaczyć, czy sztuczna inteligencja może przejść starożytny test inteligencji Ezopa. W czerwcu naukowcy będą trenować algorytmy, aby opanować zestaw zadań, które tradycyjnie były wykorzystywane do testowania funkcji poznawczych zwierząt. To będzie Olimpiada Zwierząt-AI , z udziałem w oferowanej puli nagród o wartości 10 000 USD.

Zwykle testy porównawcze AI obejmują opanowanie pojedynczego zadania, na przykład pokonanie arcymistrza w Go lub ustalenie, jak nauczyć się gry wideo od zera . Sztuczna inteligencja odniosła nadzwyczajny sukces w takich dziedzinach. Ale kiedy zastosujesz te same systemy AI do zupełnie innego zadania, są one generalnie beznadziejne. Dlatego na olimpiadzie Animal-AI ten sam agent zostanie poddany 100 wcześniej niewidzianym zadaniom. To, co jest testowane, to nie konkretny rodzaj inteligencji, ale zdolność pojedynczego agenta do przystosowania się do różnych środowisk. Wykazywałoby to ograniczoną formę uogólnionej inteligencji – rodzaj zdrowego rozsądku, którego AI będzie potrzebować, jeśli kiedykolwiek ma odnieść sukces w naszych domach lub w naszym codziennym życiu. Organizatorzy konkursu zgadzają się, że żaden z systemów AI nie będzie w stanie idealnie dostosować się do każdej okoliczności ani wystawić doskonałego wyniku. Mają jednak nadzieję, że najlepsze systemy będą w stanie dostosować się do różnych problemów, z którymi się borykają.

Olimpiada Animal-AI jest dziełem zespołu naukowców z Leverhulme Centre for the Future of Intelligence w Cambridge w Anglii, wraz z GoodAI, instytutem badawczym z siedzibą w Pradze. Konkurs jest częścią większego projektu w Leverhulme Center o nazwie Rodzaje inteligencji , który skupia interdyscyplinarny zespół badaczy poznania zwierząt, informatyków i filozofów w celu rozważenia różnic i podobieństw między ludzkim, zwierzęcym i mechanicznym sposobem myślenia. I chociaż większość zadań jest zwykle wykorzystywana jako testy na inteligencję na zwierzętach, to również wkraczają na terytorium człowieka: niektóre z wyzwań są wykorzystywane do testowania funkcji poznawczych u niemowląt i małych dzieci. Grupa ma nadzieję, że w przyszłych, bardziej złożonych wersjach wyzwania będzie więcej ludzkich zadań poznawczych.

Zamiast prosić naukowców o zbudowanie fizycznych robotów, Marta Halina, dyrektor grupy, i jej zespół opracowali wirtualne środowisko stworzone za pomocą oprogramowania Unity do tworzenia gier wideo. Konfiguracja symuluje środowisko laboratoryjne do poznawania zwierząt, wraz z nagrodami w postaci jedzenia, ścianami i ruchomymi przedmiotami. Jeszcze w tym miesiącu symulowany plac zabaw, jak nazywa go Halina, zostanie udostępniony społeczności AI, a badacze zostaną zaproszeni do szkolenia agentów, którzy mogą na nim nawigować.

Agentami będą systemy komputerowe, które mogą działać autonomicznie w tym środowisku, podobnie jak boty AI opracowane przez OpenAI i DeepMind, aby konkurować w grach takich jak Dota i Starcraft. Organizatorzy konkursu z zadowoleniem przyjmują każdy rodzaj podejścia do budowania tych agentów i oczekują, że wielu wybierze uczenie się ze wzmocnieniem. Mają jednak również nadzieję, że naukowcy będą eksperymentować z nowymi metodami – zwłaszcza z tym, co nazywają podejściem poznawczym, takim jak to promowane przez naukowców takich jak Josh Tenenbuam z MIT, które polega na symulowaniu rozwiązywania ludzkich (lub w tym przypadku zwierzęcych) problemów i umysłowych. przetwarzanie w modelu komputerowym.

W czerwcu naukowcy przedstawią swoich agentów, a zespół z Cambridge przeprowadzi ich przez 100 testów podzielonych na 10 kategorii. Matthew Crosby, pracownik naukowy z Leverhulme Center, mówi, że na tym etapie testy są utrzymywane w tajemnicy, aby uczestnicy nie mogli nauczyć agentów konkretnych umiejętności przed rozpoczęciem zawodów.

Testy będą miały różne poziomy trudności. Niektóre mogą być tak podstawowe, jak wymaganie od agenta pobrania pokarmu z otoczenia bez przeszkód. Trudniejsze zadania będą wymagały zrozumienia trwałości obiektu – wiedzy, że obiekt nadal tam jest, nawet jeśli jest ukryty – oraz umiejętności stworzenia mentalnego modelu środowiska, aby poruszać się po nim w ciemności.

Według Crosby'ego najtrudniejszym aspektem zawodów jest to, że agenci będą musieli być dobrzy we wszystkich testach: zwycięskim agentem będzie ten, który wykaże się średnio dobrą wydajnością, a nie tylko umiejętnością trudnego opanowania zadania. Testowana jest zdolność szybkiego dostosowywania się do nowych sytuacji lub przekładania umiejętności z jednego rodzaju działalności na inny, co jest dobrym wskaźnikiem ogólnej inteligencji. Dla Crosby ten rodzaj elastyczności jest niezbędny, aby sztuczna inteligencja była użyteczna w prawdziwym świecie.

Olimpiada Animal-AI nie jest pierwszym projektem badawczym AI, który czerpie inspirację z inteligencji zwierząt. Radhika Nagpal, profesor informatyki na Harvardzie, bada co sztuczna inteligencja może zyskać na badaniu wyłaniającej się inteligencji wykazywanej przez ławice ryb i stada ptaków. A w zeszłym roku Kiana Ehsani doprowadziło zespół naukowców z University of Washington i Allen Institute for AI w szkoleniu sieci neuronowych, aby w bardzo ograniczonym zakresie zadań myśleć jak pies. Ehsani mówi, że byłaby zainteresowana udziałem w olimpiadzie Animal-AI i uważa, że ​​jej cele są zgodne z jej własnymi.

Chociaż projekty te odniosły pewien sukces, replikacja inteligencji zwierząt w agentach obliczeniowych nadal uważana jest za trudny problem. Jak zauważyła pionierska badaczka sztucznej inteligencji, Judea Pearl powiedział , zdolności poznawcze zwierząt – sprawność nawigacyjna kotów, niesamowity węch psa, ostry jak brzytwa wzrok węży – wszystko to znacznie przewyższa wszystko, co można wytworzyć w laboratorium. Ta inteligencja biologiczna jest wynikiem setek milionów lata ewolucji.

Uważam, że aby sztuczna inteligencja działała tak inteligentnie jak zwierzę, wymaga wbudowania części tej wrodzonej struktury w system, mówi Anthony Zador, profesor neuronauki w Cold Spring Harbor Laboratory. Jak to robisz, to trudne pytanie, na które nikt jeszcze nie ma odpowiedzi.

Innym komplikującym czynnikiem jest to, że metryki inteligencji zwierząt same w sobie są kwestionowane. W jego książce Czy jesteśmy wystarczająco mądrzy, aby wiedzieć, jak inteligentne są zwierzęta? Frans de Waal, dyrektor Narodowego Centrum Badań nad Naczelnymi Yerkes na Emory University, kłóci się że wiele testów ocenia sprawność umysłową zwierząt tylko na podstawie ich podobieństwa do ludzi. Dlatego zamiast testować granice ich naturalnych zachowań, szkolimy zwierzęta do wykonywania zadań podobnych do ludzkich.

Dzieje się tak częściowo dlatego, że akredytowane eksperymenty naukowe w zakresie poznania zwierząt muszą odbywać się w laboratorium, z dala od naturalnego środowiska zwierzęcia. Olimpiada Animal-AI dodaje kolejną warstwę abstrakcji od rzeczywistego świata, symulując środowiska laboratoryjne na komputerze, eliminując nie tylko środowisko naturalne, ale także ucieleśnione doświadczenie życia zwierząt.

Crosby przyznaje, że istnieją ograniczenia w stosowaniu testów inteligencji zwierząt do porównywania możliwości sztucznej inteligencji. Ale mówi, że projekt dotyczy bardziej badania różnic między umysłami niż próby udowodnienia równoważności między sztucznym i biologicznym poznaniem. Rzeczywiście, ma nadzieję, że rzuci światło na to, jak działają nasze własne mózgi, a także na przetestowanie tego, co najlepsze w sztucznej inteligencji.

To, co nas tak naprawdę interesuje, to odkrywanie, jak tłumaczyć między różnymi typami inteligencji, mówi. Jeśli częścią tego, czego się uczymy, jest to, gdzie to tłumaczenie zawodzi, jest to sukces, jeśli chodzi o nas.

ukryć