211service.com
Gyvūnų ir AI olimpinėse žaidynėse dirbtinis intelektas bus elgiamasi kaip su laboratorinėmis žiurkėmis
Ponia Tech; Vaizdai: Wikimedia commons
Vienoje Ezopo pasakų ištroškusi varna snapui nepasiekiamą ąsotį su nedideliu kiekiu vandens randa. Nepavykus nustumti ąsočio, varna po vieną numeta akmenukus, kol pakyla vandens lygis, leidžiantis paukščiui atsigerti. Ezopui pasaka parodė intelekto pranašumą prieš žiaurią jėgą.
Po dviejų su puse tūkstantmečių galime pamatyti, ar dirbtinis intelektas galėtų išlaikyti senovės Ezopo intelekto testą. Birželio mėnesį mokslininkai apmokys algoritmus, kad įvaldytų užduočių, kurios tradiciškai buvo naudojamos gyvūnų pažinimo tikrinimui, rinkinį. Tai bus Gyvūnų-AI olimpiada , su siūloma 10 000 USD prizinio fondo dalimi.
Paprastai dirbtinio intelekto etalonai apima vienos užduoties įveikimą, pvz., „Go“ didmeistrio įveikimą arba supratimą, kaip išmokti žaisti vaizdo žaidimą nuo nulio. AI buvo nepaprastai sėkmingas tokiose srityse. Tačiau kai taikote tas pačias AI sistemas visiškai kitai užduočiai, jos paprastai yra beviltiškos. Štai kodėl gyvūnų ir AI olimpinėse žaidynėse tam pačiam agentui bus atlikta 100 anksčiau nematytų užduočių. Tikrinamas ne tam tikras intelekto tipas, o vieno agento gebėjimas prisitaikyti prie įvairios aplinkos. Tai parodytų ribotą apibendrinto intelekto formą – sveiko proto, kurio AI prireiks, jei norime, kad jis kada nors pavyktų mūsų namuose ar kasdieniame gyvenime. Varžybų organizatoriai sutinka, kad nė viena AI sistema nesugebės tobulai prisitaikyti prie kiekvienos aplinkybės ar paskelbti tobulo balo. Tačiau jie tikisi, kad geriausios sistemos galės prisitaikyti, kad išspręstų įvairias jų problemas.
Gyvūnų ir dirbtinio intelekto olimpinės žaidynės yra mokslininkų komandos, esančios Kembridže, Anglijoje, Leverhulme žvalgybos ateities centre, kartu su Prahoje įsikūrusiu tyrimų institutu GoodAI. Konkursas yra dalis didesnio projekto Leverhulme centre Intelekto rūšys , kuri suburia tarpdisciplininę gyvūnų pažinimo tyrinėtojų, kompiuterių mokslininkų ir filosofų komandą, kuri nagrinėja žmonių, gyvūnų ir mechaninių mąstymo būdų skirtumus ir panašumus. Ir nors dauguma užduočių paprastai naudojamos kaip gyvūnų intelekto testai, jos taip pat pateks į žmogaus teritoriją: kai kurie iššūkiai naudojami kūdikių ir mažų vaikų pažinimui išbandyti. Grupė tikisi ateityje įtraukti daugiau žmogaus pažinimo užduočių, sudėtingesnių iššūkio versijų.
Užuot paprašę mokslininkų sukurti fizinius robotus, grupės direktorė Marta Halina ir jos komanda sukūrė virtualią aplinką, sukurtą naudojant vaizdo žaidimų kūrimo programinę įrangą „Unity“. Sąranka imituoja gyvūnų pažinimo laboratorijos bandymų aplinką su maisto atlygiais, sienomis ir kilnojamais objektais. Vėliau šį mėnesį ši imituota žaidimų aikštelė, kaip ją vadina Halina, bus išleista dirbtinio intelekto bendruomenei, o mokslininkai bus pakviesti mokyti agentus, galinčius joje naršyti.
Agentai bus kompiuterinės sistemos, galinčios veikti savarankiškai šioje aplinkoje, panašiai kaip dirbtinio intelekto robotai, kuriuos OpenAI ir DeepMind sukūrė konkuruoti tokiuose žaidimuose kaip Dota ir Starcraft. Varžybų organizatoriai sveikina bet kokį požiūrį į šių agentų kūrimą ir tikisi, kad daugelis pasirinks sustiprinimo mokymąsi. Tačiau jie taip pat tikisi, kad mokslininkai eksperimentuos su naujais metodais, ypač tuo, ką jie vadina kognityviniu metodu, pavyzdžiui, tuo, kurį palaiko mokslininkai, tokie kaip Joshas Tenenbuamas iš MIT, kuris apima žmogaus (arba šiuo atveju gyvūnų) problemų sprendimo ir psichikos modeliavimą. apdorojimas kompiuteriniu modeliu.
Birželio mėnesį mokslininkai pateiks savo agentus, o Kembridžo komanda atliks 100 testų, suskirstytų į 10 kategorijų. Leverhulme centro doktorantas Matthew Crosby teigia, kad šiuo metu testai yra laikomi paslaptyje, kad dalyviai negalėtų išmokyti agentų specifinių įgūdžių prieš prasidedant konkursui.
Bandymai bus įvairaus sudėtingumo. Kai kurios gali būti tokios pat paprastos, kaip reikalauti, kad agentas paimtų maistą iš aplinkos be kliūčių. Sunkesnėms užduotims reikės suprasti objekto pastovumą – žinoti, kad objektas vis dar yra, net jei jis yra paslėptas – ir gebėjimo sukurti mentalinį aplinkos modelį, kad būtų galima joje naršyti tamsoje.
Anot Crosby, sunkiausias konkurencijos aspektas yra tai, kad agentai turės gerai atlikti visus išbandymus: laimi tas agentas, kuris vidutiniškai parodys gerą našumą, o ne tik gebėjimą sunkiai įvaldyti. užduotys. Tikrinamas gebėjimas greitai prisitaikyti prie naujų situacijų arba perkelti įgūdžius iš vienos veiklos rūšies į kitą, o tai yra geras bendro intelekto rodiklis. Crosby nuomone, toks lankstumas yra būtinas, kad dirbtinis intelektas būtų naudingas realiame pasaulyje.
Gyvūnų ir dirbtinio intelekto olimpinės žaidynės nėra pirmasis AI tyrimų projektas, įkvėptas gyvūnų intelekto. Radhika Nagpal, Harvardo kompiuterių mokslų profesorė, tiria ką dirbtinis intelektas galėtų gauti ištyrus atsirandantį intelektą, kurį demonstruoja žuvų būriai ir paukščių pulkai. Ir pernai Kiana Ehsani vadovavo Vašingtono universiteto ir Alleno dirbtinio intelekto instituto tyrėjų komanda, mokanti neuroninius tinklus, atliekant labai ribotas užduotis, mąstyti kaip šuo. Ehsani sako, kad jai būtų įdomu dalyvauti gyvūnų ir dirbtinio intelekto olimpinėse žaidynėse, ir mano, kad jos tikslai atitinka jos tikslus.
Nors šie projektai sulaukė tam tikros sėkmės, gyvūnų intelekto atkartojimas skaičiavimo agentuose vis dar laikomas sunkia problema. Kaip padarė novatoriška AI tyrinėtoja Judea Pearl sakė , gyvūnų pažinimo įgūdžiai – kačių navigacijos įgūdžiai, nepaprastas šunų uoslė, aštrus gyvačių regėjimas – visa tai gerokai pranoksta viską, ką galima sukurti laboratorijoje. Šis biologinis intelektas yra šimtų milijonų evoliucijos metų.
Manau, kad norint, kad dirbtinis intelektas veiktų taip pat protingai kaip gyvūnas, reikia į sistemą įvesti tam tikrą įgimtą struktūrą, sako Anthony Zador, Cold Spring Harbor laboratorijos neurologijos profesorius. Kaip tai padaryti – sunkus klausimas, į kurį dar niekas neturi atsakymo.
Kitas sudėtingas veiksnys yra tai, kad patys gyvūnų intelekto rodikliai yra ginčijami. Savo knygoje Ar esame pakankamai protingi, kad žinotume, kokie protingi yra gyvūnai? Fransas de Waalas, Emory universiteto Yerkes nacionalinio primatų tyrimų centro direktorius, ginčijasi kad daugelis testų vertina gyvūnų psichinę būklę tik pagal tai, kiek jie panašūs į žmones. Taigi, užuot tikrinę jų natūralaus elgesio ribas, mokome gyvūnus atlikti į žmones panašias užduotis.
Iš dalies taip yra todėl, kad akredituoti moksliniai gyvūnų pažinimo eksperimentai turi vykti laboratorijoje, toli nuo natūralios gyvūno aplinkos. Gyvūnų ir dirbtinio intelekto olimpinės žaidynės prideda dar vieną abstrakcijos nuo realaus pasaulio sluoksnį, imituodamos laboratorijos aplinką kompiuteriu, pašalindamos ne tik natūralią aplinką, bet ir įkūnytą gyvūnų gyvenimo patirtį.
Crosby pripažįsta, kad yra apribojimų naudojant bandymus nuo gyvūnų intelekto iki etaloninio dirbtinio intelekto galimybių. Tačiau jis sako, kad projektas labiau skirtas protų skirtumų tyrinėjimui, o ne bandymui įrodyti dirbtinio ir biologinio pažinimo lygiavertiškumą. Iš tiesų, jis tikisi, kad tai parodys, kaip veikia mūsų smegenys, ir išbandys geriausius AI.
Jis sako, kad mums iš tikrųjų įdomu atrasti, kaip išversti skirtingus intelekto tipus. Jei dalis to, ko išmokstame, yra ta, kurioje šis vertimas nepavyksta, mūsų nuomone, tai yra sėkmė.