De AI-machines ondergaan gedragspsychologische tests

Gedragspsychologen gebruiken al lang doolhoven om geheugen en leren te bestuderen; hun onderwerpen, meestal ratten en muizen.

Nu beginnen onderzoekers dezelfde benadering te gebruiken om een ​​geheel nieuw soort onderwerp te testen: de nieuwste soort kunstmatige-intelligentiemachine. Ze zijn begonnen met het testen van deze machines in doolhoven die zijn gemaakt in de online wereld van Minecraft.

Doolhoven hebben een lange geschiedenis in gedragspsychologie . Aan het begin van de 20e eeuw raakten wetenschappers geïnteresseerd in het vermogen van ratten en muizen om te leren en te onthouden. In het bijzonder begonnen ze leermechanismen te bestuderen, zoals versterkend leren.

Het doolhof werd het standaard werkpaard voor dit soort werk. Onderzoekers bedachten een complex labyrint, plaatsten een soort beloning in het midden en lieten vervolgens een rat binnen los om te zien hoe snel het de puzzel oploste.

Psychologen ontdekten al snel dat ratten snel leerden en hun weg konden vinden, zelfs met verschillende zintuiglijke beperkingen, zoals verblinding, doofheid of het plukken van hun snorharen.

Maar de complexiteit van vroege doolhoven betekende dat experimenten moeilijk te vergelijken waren. Dus uiteindelijk kozen psychologen voor eenvoudige doolhoven in de vorm van bijvoorbeeld Ts of Y's, die gemakkelijk in elk laboratorium konden worden gereproduceerd.

Dat liet zien hoe ratten leren, dat genen kunnen bepalen hoe snel ratten puzzels oplossen, enzovoort. In de afgelopen jaren hebben computerwetenschappers zelfs virtual reality-doolhoven ontwikkeld waarin de ratten stil worden gehouden en gedwongen naar een scherm te kijken terwijl ze bovenop een soort trackball staan ​​die beweegt terwijl ze lopen of rennen. Op deze manier gaat de rat door het virtuele doolhof.

Nu Junhyuk Oh, Valliappa Chockalingam, Satinder Singh en Honglak
Lee van de Universiteit van Michigan is begonnen te experimenteren met een geheel nieuw soort doolhof om de cognitieve vaardigheden van een geheel nieuw soort wezen te testen. De nieuwe doolhoven zijn gebouwd in Minecraft, een 3D-wereld waarin spelers kubussen met textuur gebruiken om bijna alles te bouwen. Het maken van een eenvoudig doolhof is hier triviaal.

Maar de wezens die Oh en co testen zijn zelfs nog exotischer: het zijn kunstmatige-intelligentiemachines. Hoewel deze machines gemakkelijk leren in ideale omgevingen, hebben ze moeite in situaties in de echte wereld waar objecten gedeeltelijk kunnen worden verduisterd, waar zicht en beweging zorgvuldig moeten worden gecoördineerd om te slagen en de resulterende beloning vaak wordt uitgesteld.

Een belangrijke vraag is welke soorten AI-systemen hier het beste in zijn. Maar bestuderen hoe AI-systemen ermee omgaan, is moeilijk omdat lastige omgevingen moeilijk te reproduceren zijn. Dat is waar Minecraft binnenkomt.

Oh en co hebben een reeks doolhoven gecreëerd waarin ze hun AI-algoritmen steeds complexere taken instellen. De ene taak kan bijvoorbeeld zijn om de rode kubus in een doolhof te vinden, de volgende taak om een ​​rood blok te vinden als het eerste blok dat het ziet geel is, maar verder om een ​​blauw blok te zoeken, enzovoort (zie video).

Het doolhof zorgt ervoor dat er niet altijd een strakke lijn van de site naar de blokken is en dat het algoritme zijn beweging en visie moet coördineren om te verkennen. Het team kan ook verschillende soorten beloningen geven voor het succesvol voltooien van de taak. Cruciaal is dat dezelfde taak met dezelfde moeilijkheidsgraad steeds opnieuw kan worden ingesteld.

De resultaten zijn de eerste systematische verkenning van dit soort AI-cognitief vermogen. Het team zegt dat het best presterende AI-systeem gebruikmaakt van diepgaande versterkingsleer, verbeterd met extra geheugen. Deze machines halen relevante herinneringen op op basis van de context waarin ze zijn opgeslagen en waarin het apparaat zich bevindt. Dat is anders dan veel bestaande geheugensystemen die niet afhankelijk zijn van context voor het ophalen van geheugen.

Ons belangrijkste empirische resultaat is dat het ophalen van contextafhankelijk geheugen onze reeks taken effectiever kan oplossen, zeggen ze.

Dat is interessant werk dat de weg vrijmaakt voor veel toekomstig werk. Minecraft-doolhoven zijn gemakkelijk te reproduceren, zodat iedereen met een AI-systeem hun prestaties kan vergelijken met deze en andere resultaten.

Het maakt ook een eenvoudige uitbreiding van het onderzoek mogelijk. In toekomstig werk zijn we van plan gebruik te maken van de flexibiliteit van het Minecraft-domein om nog uitdagendere cognitieve taken te bouwen om onze architecturen verder te evalueren, laten we zeggen Oh en co.

En dat levert een interessant perspectief op. Misschien is de eerste plaats waar we AI's geavanceerde taken zullen zien uitvoeren in virtual reality-instellingen zoals Minecraft. Dit biedt ook een goedaardige omgeving om enkele van de ethische kwesties die AI-onderzoek oproept, te onderzoeken.

Dus de volgende keer dat jij, of je kinderen, worden ondergedompeld in een Minecraft-wereld, moet je goed naar de andere spelers kijken. Het is gewoon mogelijk dat ze misschien niet alles zijn wat ze lijken.

Referentie: arxiv.org/abs/1605.09128 : Beheer van geheugen, actieve waarneming en actie in Minecraft

zich verstoppen