Te dziwne wirtualne stworzenia rozwijają swoje ciała, aby rozwiązywać problemy

Agrim Gupta, Silvio Savarese, Surya Ganguli i Li Fei-Fei

Nieskończona różnorodność wirtualnych stworzeń przemyka i przemyka po ekranie, walcząc z przeszkodami lub ciągnąc piłki do celu. Wyglądają jak na wpół uformowane kraby zrobione z kiełbasek - a może Rzecz, bezcielesna ręka z Rodzina Addamsów . Ale te „unimale” (skrót od uniwersalnych zwierząt) mogą w rzeczywistości pomóc naukowcom w dalszym rozwoju inteligencja ogólnego przeznaczenia w maszynach.

Agrim Gupta z Uniwersytetu Stanforda i jego współpracownicy (w tym Fei-Fei Li, który współkieruje Stanford Institute for Human-Centered AI i kierował tworzeniem ImageNet) wykorzystali te unimale do zbadania dwa pytania, które często są pomijane w badaniach nad sztuczną inteligencją: w jaki sposób inteligencja jest powiązana ze sposobem rozmieszczenia ciał oraz w jaki sposób można rozwijać umiejętności poprzez ewolucję, a także uczyć się.

Powiązana historia

Ciągle zmieniający się plac zabaw uczy sztuczną inteligencję wielozadaniowości

Wirtualne światy gier zapewniają nieprzerwany strumień otwartych wyzwań, które skłaniają sztuczną inteligencję do ogólnej inteligencji.

Ta praca jest ważnym krokiem w trwającej dziesięciolecia próbie lepszego zrozumienia relacji ciało-mózg w robotach, mówi Josh Bongard, który studiuje robotykę ewolucyjną na Uniwersytecie Vermont i nie był zaangażowany w prace.

Jeśli naukowcy chcą odtworzyć inteligencję w maszynach, może im czegoś brakować, mówi Gupta. W biologii inteligencja powstaje ze współpracy umysłów i ciał. Aspekty planów budowy ciała, takie jak liczba i kształt kończyn, określają, co zwierzęta mogą robić i czego mogą się nauczyć. Pomyśl o aye-aye, lemurze, który wyewoluował wydłużony środkowy palec, aby zagłębiać się w dziury w poszukiwaniu larw.

Sztuczna inteligencja zazwyczaj skupia się tylko na części umysłowej, budując maszyny do wykonywania zadań, które można opanować bez ciała, takich jak używanie języka, rozpoznawanie obrazów i granie w gry wideo. Ale ten ograniczony repertuar może wkrótce się zestarzeć. Zawijanie AI w ciała przystosowane do określonych zadań może ułatwić im naukę szerokiego zakresu nowych umiejętności. Jedna rzecz, którą każde inteligentne zwierzę na planecie ma wspólną w ciele, mówi Bongard. Ucieleśnienie to nasza jedyna nadzieja na tworzenie maszyn, które są zarówno inteligentne, jak i bezpieczne.

Unimale mają głowę i wiele kończyn. Aby zobaczyć, co mogą zrobić, zespół opracował technikę zwaną głębokim uczeniem ewolucyjnym ze wzmocnieniem (DERL). Unimale są najpierw szkolone za pomocą uczenia się przez wzmacnianie, aby wykonać zadanie w wirtualnym środowisku, takie jak chodzenie po różnych rodzajach terenu lub poruszanie obiektem.

Następnie wybierane są zwierzęta, które radzą sobie najlepiej, wprowadzane są mutacje, a powstałe potomstwo umieszczane jest z powrotem w środowisku, gdzie od podstaw uczy się tych samych zadań. Proces powtarza się setki razy: ewoluuj i ucz się, ewoluuj i ucz się.

Mutacje unimals są poddawane dodawaniu lub usuwaniu kończyn lub zmianie długości lub elastyczności kończyn. Liczba możliwych konfiguracji ciała jest ogromna: istnieje 10^18 unikalnych odmian z 10 lub mniej kończynami. Z biegiem czasu ciała zwierząt przystosowują się do różnych zadań. Niektóre unimale ewoluowały, aby poruszać się po płaskim terenie, upadając do przodu; niektórzy wyewoluowali w kształcie jaszczurki; inni wyewoluowali szczypce do chwytania pudełka.

Naukowcy przetestowali również, jak dobrze ewoluujące zwierzęta potrafią przystosować się do zadania, którego wcześniej nie widzieli, co jest istotną cechą ogólnej inteligencji. Te, które ewoluowały w bardziej złożonych środowiskach, zawierających przeszkody lub nierówny teren, szybciej uczyły się nowych umiejętności, takich jak toczenie piłki zamiast pchania pudła. Odkryli również, że DERL wybierał plany ciała, które uczyły się szybciej, mimo że nie było presji selekcyjnej, aby to zrobić. Uważam to za ekscytujące, ponieważ pokazuje, jak głęboko kształt ciała i inteligencja są ze sobą powiązane, mówi Gupta.

Powiązana historia

AI uczy się tworzyć siebie

Ludzie walczyli o stworzenie naprawdę inteligentnych maszyn. Może musimy pozwolić im samemu się tym zająć.

Wiadomo już, że niektóre ciała przyspieszają uczenie się, mówi Bongard. Ta praca pokazuje, że sztuczna inteligencja potrafi szukać takich ciał. Laboratorium Bongarda opracowało korpusy robotów, które są przystosowane do określonych zadań, takich jak nakładanie na stopy powłoki przypominającej kalus w celu zmniejszenia zużycia. Gupta i jego koledzy rozszerzają ten pomysł, mówi Bongard. Pokazują, że odpowiednie ciało może również przyspieszyć zmiany w mózgu robota.

Ostatecznie ta technika może odwrócić sposób, w jaki myślimy o budowaniu fizycznych robotów, mówi Gupta. Zamiast zaczynać od stałej konfiguracji ciała, a następnie trenować robota do wykonania określonego zadania, możesz użyć DERL, aby umożliwić ewolucję optymalnego planu ciała do tego zadania, a następnie go zbudować.

Unimals Gupty są częścią szerokiej zmiany w sposobie myślenia naukowców o sztucznej inteligencji. Zamiast trenować sztuczną inteligencję do określonych zadań, takich jak granie w Go lub analizowanie skanów medycznych, naukowcy zaczynają wrzucać boty do wirtualnych piaskownic — takich jak POETA , Wirtualna arena w chowanego OpenAI , oraz Wirtualny plac zabaw DeepMind XLand — i nauczenie ich, jak rozwiązywać wiele zadań w ciągle zmieniających się, otwartych dojo treningowych. Zamiast opanować pojedyncze wyzwanie, sztuczna inteligencja szkolona w ten sposób uczy się ogólnych umiejętności.

Dla Gupty eksploracja w dowolnej formie będzie kluczem do następnej generacji sztucznej inteligencji. Do tworzenia inteligentnych agentów potrzebujemy naprawdę otwartych środowisk – mówi.

ukryć