211service.com
Deze rare virtuele wezens evolueren hun lichaam om problemen op te lossen
Agrim Gupta, Silvio Savarese, Surya Ganguli & Li Fei-Fei
Een eindeloze verscheidenheid aan virtuele wezens rennen en scharrelen over het scherm, worstelend over obstakels of ballen naar een doel slepend. Ze zien eruit als halfgevormde krabben gemaakt van worst - of misschien Thing, de onstoffelijke hand van... De familie Addams . Maar deze 'unimalen' (afkorting van universele dieren) zouden onderzoekers juist kunnen helpen om meer te ontwikkelen algemene intelligentie bij automaten.
Agrim Gupta van Stanford University en zijn collega's (waaronder Fei-Fei Li, die mede-directeur is van het Stanford Institute for Human-Centered AI en de oprichting van ImageNet leidde) gebruikten deze unimals om twee vragen die vaak over het hoofd worden gezien in AI-onderzoek: hoe intelligentie is gekoppeld aan de manier waarop lichamen zijn ingedeeld, en hoe vaardigheden zowel door evolutie kunnen worden ontwikkeld als aangeleerd.
Verwant verhaal
Een eindeloos veranderende speeltuin leert AI's multitasken Virtuele gamewerelden bieden een non-stop stroom van open-ended uitdagingen die AI naar algemene intelligentie stuwen.
Dit werk is een belangrijke stap in een decennialange poging om de relatie tussen lichaam en brein in robots beter te begrijpen, zegt Josh Bongard, die evolutionaire robotica studeert aan de Universiteit van Vermont en niet bij het werk betrokken was.
Als onderzoekers intelligentie in machines opnieuw willen creëren, missen ze misschien iets, zegt Gupta. In de biologie komt intelligentie voort uit geest en lichaam die samenwerken. Aspecten van lichaamsplannen, zoals het aantal en de vorm van ledematen, bepalen wat dieren kunnen en wat ze kunnen leren. Denk aan de aye-aye, een maki die een langwerpige middelvinger ontwikkelde om diep in gaten te zoeken naar larven.
AI richt zich meestal alleen op het mentale deel, het bouwen van machines om taken uit te voeren die zonder lichaam kunnen worden beheerst, zoals het gebruik van taal, het herkennen van afbeeldingen en het spelen van videogames. Maar dit beperkte repertoire zou snel oud kunnen worden. AI's inpakken in lichamen die zijn aangepast aan specifieke taken, zou het voor hen gemakkelijker kunnen maken om een breed scala aan nieuwe vaardigheden te leren. Eén ding heeft elk intelligent dier op de planeet gemeen in een lichaam, zegt Bongard. Belichaming is onze enige hoop om machines te maken die zowel slim als veilig zijn.
Unimals hebben een hoofd en meerdere ledematen. Om te zien wat ze konden doen, ontwikkelde het team een techniek genaamd deep evolutionary enhancement learning (DERL). De unimalen worden eerst getraind met behulp van wapeningsleren om een taak in een virtuele omgeving te voltooien, zoals het lopen over verschillende soorten terrein of het verplaatsen van een object.
De dieren die het beste presteren worden vervolgens geselecteerd en mutaties worden geïntroduceerd, en de resulterende nakomelingen worden teruggeplaatst in de omgeving, waar ze dezelfde taken vanaf het begin leren. Het proces herhaalt zich honderden keren: evolueren en leren, evolueren en leren.
De mutaties die unimalen ondergaan, omvatten het toevoegen of verwijderen van ledematen, of het veranderen van de lengte of flexibiliteit van ledematen. Het aantal mogelijke lichaamsconfiguraties is enorm: er zijn 10^18 unieke variaties met 10 ledematen of minder. Na verloop van tijd passen de lichamen van de dieren zich aan verschillende taken aan. Sommige dieren zijn geëvolueerd om over vlak terrein te bewegen door naar voren te vallen; sommigen ontwikkelden een hagedisachtige waggel; anderen ontwikkelden een tang om een doos vast te pakken.
De onderzoekers testten ook hoe goed de geëvolueerde unimals zich konden aanpassen aan een taak die ze nog niet eerder hadden gezien, een essentieel kenmerk van algemene intelligentie. Degenen die waren geëvolueerd in complexere omgevingen met obstakels of oneffen terrein, waren sneller in het leren van nieuwe vaardigheden, zoals het rollen van een bal in plaats van het duwen van een doos. Ze ontdekten ook dat DERL lichaamsplannen selecteerde die sneller leerden, ook al was er geen selectieve druk om dit te doen. Ik vind dit spannend omdat het laat zien hoe diep lichaamsvorm en intelligentie met elkaar verbonden zijn, zegt Gupta.
Verwant verhaal
AI leert zichzelf te creëren Mensen hebben geworsteld om echt intelligente machines te maken. Misschien moeten we ze hun gang laten gaan.
Het is al bekend dat bepaalde lichamen het leren versnellen, zegt Bongard. Dit werk laat zien dat AI kan zoeken naar dergelijke lichamen. Het laboratorium van Bongard heeft robotlichamen ontwikkeld die zijn aangepast aan bepaalde taken, zoals het geven van eeltachtige coatings aan voeten om slijtage te verminderen. Gupta en zijn collega's breiden dit idee uit, zegt Bongard. Ze laten zien dat het juiste lichaam ook veranderingen in het brein van de robot kan versnellen.
Uiteindelijk kan deze techniek de manier waarop we denken over het bouwen van fysieke robots omkeren, zegt Gupta. In plaats van te beginnen met een vaste lichaamsconfiguratie en vervolgens de robot te trainen om een bepaalde taak uit te voeren, zou je DERL kunnen gebruiken om het optimale lichaamsplan voor die taak te laten evolueren en dat vervolgens te bouwen.
De unimalen van Gupta maken deel uit van een brede verschuiving in de manier waarop onderzoekers over AI denken. In plaats van AI's te trainen voor specifieke taken, zoals het spelen van Go of het analyseren van een medische scan, beginnen onderzoekers bots in virtuele sandboxen te plaatsen, zoals DICHTER , De virtuele verstoppertje-arena van OpenAI , en DeepMind's virtuele speeltuin XLand -en ze leren hoe ze meerdere taken kunnen oplossen in steeds veranderende, open trainingsdojo's. In plaats van een enkele uitdaging aan te gaan, leren AI's die op deze manier zijn getraind algemene vaardigheden.
Voor Gupta zal verkenning in vrije vorm de sleutel zijn voor de volgende generatie AI's. We hebben echt open omgevingen nodig om intelligente agenten te creëren, zegt hij.