211service.com
De Animal-AI Olympics gaan AI behandelen als een laboratoriumrat
mevrouw Tech; Afbeeldingen: Wikimedia commons
In een van de fabels van Aesopus vindt een dorstige kraai een kruik met een kleine hoeveelheid water buiten het bereik van zijn snavel. Nadat de kraai er niet in is geslaagd de kruik omver te duwen, laat de kraai kiezelstenen een voor een vallen totdat het waterpeil stijgt, zodat de vogel kan drinken. Voor Aesopus toonde de fabel de superioriteit van intelligentie boven brute kracht.
Twee en een half millennia later zullen we misschien te zien krijgen of AI de oude intelligentietest van Aesop zou kunnen doorstaan. In juni zullen onderzoekers algoritmen trainen om een reeks taken onder de knie te krijgen die traditioneel werden gebruikt om de cognitie van dieren te testen. Dit wordt de Dieren-AI Olympische Spelen , met een aandeel in een prijzenpot van $ 10.000.
Meestal omvatten AI-benchmarks het beheersen van een enkele taak, zoals het verslaan van een grootmeester in Go of het uitzoeken hoe je een videogame helemaal opnieuw leert. AI is buitengewoon succesvol geweest in dergelijke gebieden. Maar als je dezelfde AI-systemen voor een totaal andere taak toepast, zijn ze over het algemeen hopeloos. Daarom zal dezelfde agent tijdens de Animal-AI Olympics worden onderworpen aan 100 voorheen onzichtbare taken. Wat wordt getest, is niet een bepaald type intelligentie, maar het vermogen van een enkele agent om zich aan te passen aan verschillende omgevingen. Dit zou blijk geven van een beperkte vorm van gegeneraliseerde intelligentie - een soort gezond verstand dat AI nodig zal hebben als het ooit zal slagen in onze huizen of in ons dagelijks leven. De wedstrijdorganisatoren accepteren dat geen van de AI-systemen zich perfect kan aanpassen aan elke omstandigheid of een perfecte score kan posten. Maar ze hopen dat de beste systemen zich kunnen aanpassen aan de verschillende problemen waarmee ze worden geconfronteerd.
De Animal-AI Olympics is de oprichting van een team van onderzoekers van het Leverhulme Centre for the Future of Intelligence in Cambridge, Engeland, samen met GoodAI, een in Praag gevestigd onderzoeksinstituut. De wedstrijd maakt deel uit van een groter project in het Leverhulme Centre genaamd Soorten intelligentie , dat een interdisciplinair team van diercognitieonderzoekers, computerwetenschappers en filosofen samenbrengt om de verschillen en overeenkomsten tussen menselijke, dierlijke en mechanische manieren van denken te onderzoeken. En hoewel de meeste taken doorgaans worden gebruikt als intelligentietests voor dieren, zal het ook op het menselijke territorium belanden: sommige uitdagingen worden gebruikt om cognitie bij baby's en jonge kinderen te testen. De groep hoopt in toekomstige, complexere versies van de uitdaging meer menselijke cognitieve taken op te nemen.
In plaats van onderzoekers te vragen om fysieke robots te bouwen, ontwikkelden Marta Halina, de directeur van de groep, en haar team een virtuele omgeving die was gemaakt met de videogame-ontwikkelingssoftware Unity. De opstelling simuleert een laboratoriumtestomgeving voor de cognitie van dieren, compleet met voedselbeloningen, muren en verplaatsbare objecten. Later deze maand zal deze gesimuleerde speeltuin, zoals Halina het noemt, worden vrijgegeven aan de AI-gemeenschap en zullen onderzoekers worden uitgenodigd om agenten te trainen die erdoor kunnen navigeren.
De agenten zullen computersystemen zijn die autonoom kunnen handelen in deze omgeving, net zoals de AI-bots die OpenAI en DeepMind hebben ontwikkeld om te concurreren in games als Dota en Starcraft. De wedstrijdorganisatoren verwelkomen elke vorm van benadering om deze agenten te bouwen en verwachten dat velen zullen kiezen voor versterkend leren. Maar ze hopen ook dat onderzoekers zullen experimenteren met nieuwe methoden, met name wat zij de cognitieve benadering noemen, zoals die wordt verdedigd door onderzoekers als Josh Tenenbuam van het MIT, waarbij menselijke (of, in dit geval, dierlijke) probleemoplossing en mentale problemen worden gesimuleerd. verwerking in een geautomatiseerd model.
In juni zullen onderzoekers hun agenten indienen en het team in Cambridge zal ze door 100 tests leiden, onderverdeeld in 10 categorieën. Matthew Crosby, een postdoctoraal onderzoeker bij het Leverhulme Center, zegt dat de tests in dit stadium geheim worden gehouden, zodat deelnemers de agenten geen specifieke vaardigheden kunnen leren voordat de competitie begint.
De tests zullen variëren in moeilijkheidsgraad. Sommige zijn misschien zo basaal als de eis dat de agent voedsel ophaalt uit een omgeving zonder obstakels. Voor moeilijkere taken is begrip van objectduurzaamheid vereist - wetende dat een object er nog steeds is, zelfs als het verborgen is - en het vermogen om een mentaal model van een omgeving te maken om er in het donker door te navigeren.
Volgens Crosby is het meest uitdagende aspect van de competitie dat de agenten goed moeten zijn in alle tests over de hele linie: de winnende agent zal degene zijn die gemiddeld goede prestaties laat zien, in plaats van alleen het vermogen om harde taken. Wat wordt getest, is het vermogen om zich snel aan te passen aan nieuwe situaties of om vaardigheden te vertalen van het ene type activiteit naar het andere, wat een goede indicator is voor algemene intelligentie. Voor Crosby is dit soort flexibiliteit essentieel om AI bruikbaar te maken in de echte wereld.
De Animal-AI Olympics zijn niet het eerste AI-onderzoeksproject dat inspiratie haalt uit dierlijke intelligentie. Radhika Nagpal, hoogleraar computerwetenschappen aan Harvard, onderzoekt wat AI zou kunnen winnen door de opkomende intelligentie te bestuderen die wordt weergegeven door scholen vissen en zwermen vogels. En vorig jaar Kiana Ehsani LED een team van onderzoekers van de Universiteit van Washington en het Allen Institute for AI in het trainen van neurale netwerken om, in een zeer beperkt aantal taken, te denken als een hond. Ehsani zegt dat ze geïnteresseerd zou zijn om deel te nemen aan de Animal-AI Olympics en haar doelen in lijn ziet met die van haar.
Hoewel deze projecten enig succes hebben geboekt, wordt het repliceren van dierlijke intelligentie in computationele middelen nog steeds als een moeilijk probleem beschouwd. Zoals de baanbrekende AI-onderzoeker Judea Pearl heeft: zei , de cognitieve vaardigheden van dieren - de navigatievaardigheid van katten, het griezelige reukvermogen van een hond, het haarscherpe zicht van slangen - presteren allemaal veel beter dan alles wat in een laboratorium kan worden gemaakt. Deze biologische intelligentie is het resultaat van honderden miljoenen jaren van evolutie.
Ik geloof dat om AI zo intelligent te laten presteren als een dier, een deel van die aangeboren structuur in het systeem moet worden ingebouwd, zegt Anthony Zador, hoogleraar neurowetenschappen aan het Cold Spring Harbor Laboratory. Hoe je dat doet is een lastige vraag waar nog niemand een antwoord op heeft.
Een andere complicerende factor is dat statistieken voor dierlijke intelligentie zelf worden betwist. In zijn boek Zijn we slim genoeg om te weten hoe slim dieren zijn? Frans de Waal, directeur van het Yerkes National Primate Research Centre aan Emory University, betoogt dat veel tests de mentale fitheid van dieren alleen beoordelen op grond van hoe vergelijkbaar ze zijn met mensen. Dus in plaats van de grenzen van hun natuurlijke gedrag te testen, trainen we dieren om mensachtige taken uit te voeren.
Dit komt mede doordat geaccrediteerde wetenschappelijke experimenten in diercognitie in het laboratorium moeten plaatsvinden, ver weg van de natuurlijke omgeving van een dier. De Animal-AI Olympics voegen nog een nieuwe abstractielaag toe van de echte wereld door laboratoriumomgevingen op de computer te simuleren, waardoor niet alleen de natuurlijke omgeving, maar ook de belichaamde ervaring van dierenleven wordt geëlimineerd.
Crosby erkent dat er beperkingen zijn aan het gebruik van tests van dierlijke intelligentie om de AI-capaciteit te benchmarken. Maar hij zegt dat het project meer gaat over het onderzoeken van de verschillen tussen geesten dan om de gelijkwaardigheid tussen kunstmatige en biologische cognitie te bewijzen. Hij hoopt inderdaad dat het licht werpt op hoe onze eigen hersenen werken, en dat het ook het beste in AI test.
Waar we eigenlijk in geïnteresseerd zijn, is ontdekken hoe we kunnen vertalen tussen verschillende soorten intelligentie, zegt hij. Als een deel van wat we leren is waar deze vertaling faalt, is dat wat ons betreft een succes.