211service.com
Animal-AI Olympics kommer til å behandle AI som en laboratorierotte
Ms. Tech; Bilder: Wikimedia commons
I en av Aesops fabler finner en tørst kråke en mugge med en liten mengde vann utenfor nebbets rekkevidde. Etter å ha mislyktes i å skyve kanna over, slipper kråken småstein inn en etter en til vannstanden stiger, slik at fuglen kan ta en drink. For Aesop viste fabelen intelligensens overlegenhet over råstyrke.
To og et halvt årtusen senere kan vi kanskje få se om AI kunne bestå Aesops eldgamle intelligenstest. I juni skal forskerne trene algoritmer for å mestre en rekke oppgaver som tradisjonelt har blitt brukt til å teste dyrekognisjon. Dette vil være Dyre-AI-OL , med en andel i en premiepott på $10 000 som tilbys.
Vanligvis involverer AI-benchmarks å mestre en enkelt oppgave, som å slå en stormester i Go eller finne ut hvordan du lærer et videospill fra bunnen av. AI har vært usedvanlig vellykket i slike riker. Men når du bruker de samme AI-systemene til en helt annen oppgave, er de generelt håpløse. Derfor vil den samme agenten i Animal-AI Olympics bli utsatt for 100 tidligere usett oppgaver. Det som testes er ikke en spesiell type intelligens, men evnen til en enkelt agent til å tilpasse seg ulike miljøer. Dette vil demonstrere en begrenset form for generalisert intelligens - en type sunn fornuft som AI vil trenge hvis den noen gang skal lykkes i våre hjem eller i hverdagen. Konkurransearrangørene aksepterer at ingen av AI-systemene vil være i stand til å tilpasse seg perfekt til enhver omstendighet eller gi en perfekt poengsum. Men de håper at de beste systemene vil være i stand til å tilpasse seg for å takle de ulike problemene de står overfor.
Animal-AI Olympics er opprettelsen av et team av forskere ved Leverhulme Center for the Future of Intelligence i Cambridge, England, sammen med GoodAI, et Praha-basert forskningsinstitutt. Konkurransen er en del av et større prosjekt ved Leverhulme-senteret kalt Typer intelligens , som samler et tverrfaglig team av dyrekognisjonsforskere, informatikere og filosofer for å vurdere forskjellene og likhetene mellom mennesker, dyr og mekaniske måter å tenke på. Og selv om de fleste oppgavene vanligvis brukes som intelligenstester for dyr, vil de også tippe på tærne på menneskelig territorium: noen av utfordringene brukes til å teste kognisjon hos babyer og små barn. Gruppen håper å inkludere flere menneskelige kognitive oppgaver i fremtidige, mer komplekse versjoner av utfordringen.
I stedet for å be forskere bygge fysiske roboter, utviklet Marta Halina, gruppens direktør, og teamet hennes et virtuelt miljø laget med programvaren Unity for utvikling av videospill. Oppsettet simulerer et laboratorietestmiljø for dyrekognisjon, komplett med matbelønninger, vegger og bevegelige gjenstander. Senere denne måneden vil denne simulerte lekeplassen, som Halina kaller den, slippes ut til AI-fellesskapet, og forskere vil bli invitert til å lære opp agenter som kan navigere i den.
Agentene vil være datasystemer som kan opptre autonomt i dette miljøet, omtrent som AI-botene som OpenAI og DeepMind har utviklet for å konkurrere i spill som Dota og Starcraft. Konkurransearrangørene ønsker enhver form for tilnærming til å bygge disse agentene velkommen og forventer at mange vil velge forsterkende læring. Men de håper også at forskere vil eksperimentere med nye metoder – spesielt det de kaller den kognitive tilnærmingen, slik som den som ble forfektet av forskere som Josh Tenenbuam ved MIT, som involverer simulering av menneskelig (eller, i dette tilfellet, dyr) problemløsning og mental behandling i en datastyrt modell.
I juni vil forskere sende inn sine agenter, og teamet ved Cambridge vil kjøre dem gjennom 100 tester delt inn i 10 kategorier. Matthew Crosby, en postdoktor ved Leverhulme-senteret, sier at testene på dette stadiet holdes hemmelige, slik at deltakerne ikke kan lære agentene spesifikke ferdigheter før konkurransen starter.
Testene vil variere i vanskelighetsgrad. Noen kan være så grunnleggende som å kreve at agenten henter mat fra et miljø uten hindringer. Vanskeligere oppgaver vil kreve en forståelse av objektets varighet – å vite at et objekt fortsatt er der selv om det er skjult – og kapasitet til å lage en mental modell av et miljø for å navigere i det i mørket.
I følge Crosby er det mest utfordrende aspektet ved konkurransen at agentene må være gode på alle testene over hele linja: Den vinnende agenten vil være den som viser god ytelse i gjennomsnitt, i stedet for bare en evne til å mestre hardt. oppgaver. Det som testes er evnen til å tilpasse seg raskt til nye situasjoner eller oversette ferdigheter fra en type aktivitet til en annen, som er en god indikator på generell intelligens. For Crosby er denne typen fleksibilitet avgjørende for å gjøre AI nyttig i den virkelige verden.
Animal-AI Olympics er ikke det første AI-forskningsprosjektet som henter inspirasjon fra dyreintelligens. Radhika Nagpal, professor i informatikk ved Harvard, undersøker hva AI kan oppnå ved å studere den fremvoksende intelligensen som vises av fiskestimer og fugleflokker. Og i fjor Kiana Ehsani ledet et team av forskere fra University of Washington og Allen Institute for AI i å trene nevrale nettverk til å tenke som en hund i et svært begrenset spekter av oppgaver. Ehsani sier at hun ville være interessert i å delta i Animal-AI Olympics og ser på målene som samsvarer med hennes egne.
Selv om disse prosjektene har oppnådd en viss suksess, er replikering av dyreintelligens i beregningsagenter fortsatt ansett som et vanskelig problem. Som den banebrytende AI-forskeren Judea Pearl har sa , dyrs kognitive ferdigheter – navigasjonsferdighetene til katter, en hunds uhyggelige luktesans, det sylskarpe synet til slanger – alt overgår alt som kan lages i et laboratorium. Denne biologiske intelligensen er resultatet av hundrevis av millioner av år med evolusjon.
Jeg tror at for å få AI til å utføre like intelligent som et dyr, krever det å bygge noe av den medfødte strukturen inn i systemet, sier Anthony Zador, professor i nevrovitenskap ved Cold Spring Harbor Laboratory. Hvordan du gjør det er et vanskelig spørsmål som ingen har svar på ennå.
En annen kompliserende faktor er at beregninger for dyrs intelligens i seg selv er bestridt. I boken hans Er vi smarte nok til å vite hvor smarte dyr er? Frans de Waal, direktør for Yerkes National Primate Research Center ved Emory University, argumenterer at mange tester bedømmer mental egnethet hos dyr kun i kraft av hvor like de er mennesker. Så i stedet for å teste grensene for deres naturlige atferd, trener vi dyr til å utføre menneskelignende oppgaver.
Dette er delvis fordi akkrediterte vitenskapelige eksperimenter i dyrekognisjon må finne sted i laboratoriet, langt unna et dyrs naturlige miljø. Animal-AI Olympics legger til enda et lag med abstraksjon fra den virkelige verden ved å simulere laboratoriemiljøer på datamaskinen, og eliminerer ikke bare det naturlige miljøet, men den legemliggjorte opplevelsen av dyrelivet.
Crosby erkjenner at det er begrensninger ved bruk av tester fra dyreintelligens til benchmarking av AI-evne. Men han sier at prosjektet handler mer om å utforske forskjellene mellom sinn enn å prøve å bevise ekvivalens mellom kunstig og biologisk erkjennelse. Han håper faktisk det kaster lys over hvordan vår egen hjerne fungerer, i tillegg til å teste det beste innen AI.
Det vi faktisk er interessert i er å oppdage hvordan man kan oversette mellom ulike typer intelligens, sier han. Hvis noe av det vi lærer er hvor denne oversettelsen mislykkes, er det en suksess for oss.