211service.com
AI-programmet blir veldig bra på navigering ved å utvikle et hjernelignende GPS-system
DeepMinds nevrale nettverk etterligner rutenettcellene som finnes i menneskelige hjerner som hjelper oss å vite hvor vi er. 9. mai 2018
Ms. Tech
Et AI-program trent til å navigere gjennom en virtuell labyrint har uventet utviklet en arkitektur som ligner det nevrale GPS-systemet som finnes inne i en hjerne. AI var da i stand til å finne veien rundt i labyrinten med enestående dyktighet.
Oppdagelsen kommer fra DeepMind , et britisk selskap eid av Alphabet og dedikert til å fremme generell kunstig intelligens.
Arbeidet, publisert i tidsskriftet Natur , antyder hvordan kunstige nevrale nettverk, som i seg selv er inspirert av biologi, kan brukes til å utforske aspekter av hjernen som forblir mystiske. Men denne ideen bør behandles med en viss forsiktighet, siden det er mye vi ikke vet om hvordan hjernen fungerer, og siden funksjonen til kunstige nevrale nettverk også ofte er vanskelig å forklare.
Rutenettlignende celler sett i biologiske og kunstige nevrale nettverk. DeepMind-bloggen
Forskere ved DeepMind satte seg fore å trene et kunstig nevralt nettverk for å etterligne baneintegrasjon, en metode dyr bruker for å beregne bevegelsen deres gjennom et rom. Forskerne trente et nevralt nettverk med en tilbakemeldingssløyfe for å navigere i en labyrint ved å gi den eksempler på rutene mus som krysser en ekte labyrint.
Teamet fant ut at det nevrale nettverket utviklet noe som ligner på rutenettcellene som finnes i en biologisk hjerne. Disse cellene, arrangert i et trekantet rutenett, ser ut til å gi et dyr en måte å posisjonere seg i det fysiske rommet. Rutenettceller ble først identifisert i 2005, og forskerne som fant dem ble tildelt en Nobelpris for oppdagelsen i 2014.
DeepMind-forskerne brukte det trente nettverket til å navigere gjennom ukjente labyrinter ved å legge til forsterkende læring til deres tilnærming. De fant ut at det nylig trente nettverket kunne navigere langt mer effektivt enn noe tidligere AI-system, og at det utforsket rommet mer som et ekte dyr.
Nevrale nettverk kan brukes til å gjøre mange nyttige ting, men til nå har de ikke vist seg spesielt gode på navigering.
DeepMinds kunstige nevrale nettverk ble opplært til å utforske en virtuell labyrint.
Denne studien er en overbevisende demonstrasjon av at dyp læring kan være av verdi for oppgaver som ikke bare avhenger av perseptuelle evner, men også av høyere kognitive funksjoner - i dette tilfellet romlig navigasjon, sier Francesco Savelli , en nevrovitenskapsmann ved Johns Hopkins University som studerer rutenettceller, og som skrev om forskningen i et relatert Natur papir.
Forskningen tyder på at rutenettceller spiller en grunnleggende rolle i hvordan dyr – inkludert mennesker – finner veien rundt i verden. Denne oppdagelsen kan etter hvert ha betydelige praktiske fordeler, som å hjelpe roboter med å navigere gjennom ukjente bygninger lettere.
Arbeidet vårt bygger på kunstig generell intelligens, og vi tror navigasjon er en grunnleggende del av det, sier Andrea Banino, en av DeepMind-teamet.
Hans kollega Dharshan Kumaran sier at neste trinn er å få AI-agentene til å lære mer komplekse navigasjonsferdigheter. Vi tenker på mer utfordrende miljøer, sier han.
DeepMind har tidligere vist noen bemerkelsesverdige fremskritt innen maskinlæring, inkludert programmer som er i stand til å lære å spille videospill, samt brettspill som Go og sjakk, med overmenneskelige ferdigheter. Disse prestasjonene var også avhengige av trening av veldig store eller dype, kunstige nevrale nettverk.
Ifølge Demis Hassabis, medgründer og administrerende direktør i DeepMind, kan AI-forskning avsløre nye ting om hjernen. Den menneskelige hjernen er det eneste eksistensbeviset vi har på at den typen generell intelligens vi prøver å bygge til og med er mulig, sa han i en uttalelse. Vi mener at denne inspirasjonen bør være en toveis gate, med innsikt som også strømmer tilbake fra AI-forskning for å belyse åpne spørsmål innen nevrovitenskap.
Det er imidlertid ikke klart hvor langt nevrale nettverk, som er veldig forenklede representasjoner av biologi, vil ta oss med å forklare hjernen. Flere nevroforskere kontaktet av MIT Technology Review Legg merke til at virkemåten til et dypt nevralt nettverk ikke er så mye mer tolkbar enn funksjonen til en biologisk hjerne.