Een concept in de psychologie helpt AI om beter door onze wereld te navigeren

Categorie: Kunstmatige intelligentie Geplaatst 17 juli

Het concept: Als we naar een stoel kijken, ongeacht de vorm en kleur, weten we dat we erop kunnen zitten. Wanneer een vis in het water is, ongeacht zijn locatie, weet hij dat hij kan zwemmen. Dit staat bekend als de theorie van de betaalbaarheid, een term die is bedacht door psycholoog James J. Gibson. Het stelt dat wanneer intelligente wezens naar de wereld kijken, ze niet alleen objecten en hun relaties waarnemen, maar ook hun mogelijkheden . Met andere woorden, de stoel biedt de mogelijkheid om te zitten. Het water biedt de mogelijkheid om te zwemmen. De theorie zou gedeeltelijk kunnen verklaren waarom dierlijke intelligentie zo generaliseerbaar is - we weten vaak meteen hoe we met nieuwe objecten om moeten gaan omdat we hun voordelen herkennen.

Het idee: Onderzoekers van DeepMind gebruiken dit concept nu om te ontwikkelen een nieuwe benadering van versterkend leren . Bij typisch versterkend leren leert een agent door vallen en opstaan, te beginnen met de veronderstelling dat elke actie mogelijk is. Een robot die bijvoorbeeld leert om van punt A naar punt B te bewegen, gaat ervan uit dat hij door muren of meubels kan bewegen totdat herhaalde storingen hem anders vertellen. Het idee is dat als de robot eerst de mogelijkheden van zijn omgeving zou leren, hij onmiddellijk een aanzienlijk deel van de mislukte proeven zou elimineren die hij zou moeten uitvoeren. Dit zou het leerproces efficiënter maken en het helpen generaliseren over verschillende omgevingen.

De experimenten: De onderzoekers zetten een eenvoudig virtueel scenario op. Ze plaatsten een virtuele agent in een 2D-omgeving met een muur in het midden en lieten de agent zijn bewegingsbereik verkennen totdat hij had geleerd wat de omgeving hem zou toelaten: de mogelijkheden ervan. De onderzoekers gaven de agent vervolgens een reeks eenvoudige doelen om te bereiken door middel van versterkend leren, zoals een bepaalde hoeveelheid naar rechts of naar links verplaatsen. Ze ontdekten dat, vergeleken met een agent die de geboden niet had geleerd, hij alle bewegingen vermeed die ervoor zouden zorgen dat hij halverwege zijn beweging door de muur zou worden geblokkeerd, waardoor hij zijn doel efficiënter kon bereiken.

Waarom het uitmaakt: Het werk bevindt zich nog in de beginfase, dus de onderzoekers gebruikten alleen een eenvoudige omgeving en primitieve doelstellingen. Maar hun hoop is dat hun eerste experimenten zullen helpen een theoretische basis te leggen voor het opschalen van het idee naar veel complexere acties. In de toekomst zien ze deze aanpak waardoor een robot snel kan beoordelen of hij bijvoorbeeld vloeistof in een kopje kan gieten. Nadat hij een algemeen begrip heeft ontwikkeld van welke objecten de mogelijkheid bieden om vloeistof vast te houden en welke niet, hoeft hij niet herhaaldelijk de beker te missen en vloeistof over de tafel te gieten om te leren hoe hij zijn doel kan bereiken.