211service.com
Disse rare virtuelle skapningene utvikler kroppene sine for å løse problemer
Agrim Gupta, Silvio Savarese, Surya Ganguli og Li Fei-Fei
Et uendelig utvalg av virtuelle skapninger løper og svirrer over skjermen, kjemper over hindringer eller drar baller mot et mål. De ser ut som halvformede krabber laget av pølser – eller kanskje Thing, den kroppsløse hånden fra Familien Addams . Men disse 'unimalene' (forkortelse for universelle dyr) kan faktisk hjelpe forskere med å utvikle mer generell etterretning i maskiner.
Agrim Gupta fra Stanford University og kollegene hans (inkludert Fei-Fei Li, som leder Stanford Institute for Human-Centered AI og ledet etableringen av ImageNet) brukte disse unimalene til å utforske to spørsmål som ofte blir oversett i AI-forskning: hvordan intelligens er knyttet til måten kropper er lagt ut på, og hvordan evner kan utvikles gjennom evolusjon så vel som lært.
Relatert historie
En uendelig skiftende lekeplass lærer AI-er å multitaske Virtuelle spillverdener gir en kontinuerlig strøm av åpne utfordringer som skyver AI mot generell intelligens.
Dette arbeidet er et viktig skritt i et tiår langt forsøk på å bedre forstå kropp-hjerne-forholdet i roboter, sier Josh Bongard, som studerer evolusjonær robotikk ved University of Vermont og ikke var involvert i arbeidet.
Hvis forskere vil gjenskape intelligens i maskiner, kan det hende de mangler noe, sier Gupta. I biologi oppstår intelligens fra sinn og kropper som jobber sammen. Aspekter ved kroppsplaner, som antall og form på lemmer, bestemmer hva dyr kan gjøre og hva de kan lære. Tenk på aye-aye, en lemur som utviklet en langstrakt langfinger for å lete dypt ned i hullene etter larver.
AI fokuserer vanligvis bare på sinnsdelen, og bygger maskiner for å gjøre oppgaver som kan mestres uten kropp, for eksempel å bruke språk, gjenkjenne bilder og spille videospill. Men dette begrensede repertoaret kan fort bli gammelt. Å pakke inn AI-er i organer som er tilpasset spesifikke oppgaver, kan gjøre det lettere for dem å lære et bredt spekter av nye ferdigheter. En ting har hvert eneste intelligente dyr på planeten til felles i en kropp, sier Bongard. Embodiment er vårt eneste håp om å lage maskiner som er både smarte og trygge.
Unimaler har et hode og flere lemmer. For å se hva de kunne gjøre, utviklet teamet en teknikk kalt dyp evolusjonær forsterkningslæring (DERL). Unimalene trenes først ved å bruke forsterkningslæring for å fullføre en oppgave i et virtuelt miljø, for eksempel å gå på tvers av forskjellige typer terreng eller flytte et objekt.
De unimalene som presterer best blir deretter valgt ut og mutasjoner introduseres, og det resulterende avkommet plasseres tilbake i miljøet, hvor de lærer de samme oppgavene fra bunnen av. Prosessen gjentas hundrevis av ganger: utvikle seg og lære, utvikle seg og lære.
Mutasjonsunimalene utsettes for å legge til eller fjerne lemmer, eller endre lengden eller fleksibiliteten til lemmer. Antallet mulige kroppskonfigurasjoner er stort: det er 10^18 unike variasjoner med 10 lemmer eller færre. Over tid tilpasser unimalenes kropp seg til ulike oppgaver. Noen unimaler har utviklet seg til å bevege seg over flatt terreng ved å falle forover; noen utviklet en øgle-lignende vagling; andre utviklet tang for å gripe en boks.
Forskerne testet også hvor godt de utviklede unimalene kunne tilpasse seg en oppgave de ikke hadde sett før, et vesentlig trekk ved generell intelligens. De som hadde utviklet seg i mer komplekse miljøer, som inneholdt hindringer eller ujevnt terreng, var raskere til å lære nye ferdigheter, som å rulle en ball i stedet for å skyve en boks. De fant også at DERL valgte kroppsplaner som lærte raskere, selv om det ikke var noe selektivt press for å gjøre det. Jeg synes dette er spennende fordi det viser hvor dypt kroppsform og intelligens henger sammen, sier Gupta.
Relatert historie
AI lærer å skape seg selv Mennesker har kjempet for å lage virkelig intelligente maskiner. Kanskje vi må la dem fortsette med det selv.
Det er allerede kjent at visse kropper akselererer læring, sier Bongard. Dette arbeidet viser at AI som kan søke etter slike kropper. Bongards laboratorium har utviklet robotkropper som er tilpasset spesielle oppgaver, som å gi føttene calluslignende belegg for å redusere slitasje. Gupta og hans kolleger utvider denne ideen, sier Bongard. De viser at riktig kropp også kan fremskynde endringer i robotens hjerne.
Til syvende og sist kan denne teknikken snu måten vi tenker på å bygge fysiske roboter, sier Gupta. I stedet for å starte med en fast kroppskonfigurasjon og deretter trene roboten til å gjøre en bestemt oppgave, kan du bruke DERL til å la den optimale kroppsplanen for den oppgaven utvikle seg og deretter bygge den.
Guptas unimals er en del av et bredt skifte i hvordan forskere tenker på AI. I stedet for å trene AI-er på spesifikke oppgaver, som å spille Go eller analysere en medisinsk skanning, begynner forskere å slippe roboter i virtuelle sandkasser – som f.eks. DIKTER , OpenAIs virtuelle gjemselarena , og DeepMinds virtuelle lekeplass XLand – og få dem til å lære å løse flere oppgaver i stadig skiftende, åpne treningsdojoer. I stedet for å mestre en enkelt utfordring, lærer AI-er som er trent på denne måten generelle ferdigheter.
For Gupta vil utforskning i fri form være nøkkelen for neste generasjon AI-er. Vi trenger virkelig åpne miljøer for å skape intelligente agenter, sier han.