هذه المخلوقات الافتراضية الغريبة تطور أجسامها لحل المشاكل

أجريم جوبتا ، سيلفيو سافاريس ، سوريا جانجولي ولي فاي فاي



مجموعة متنوعة لا حصر لها من المخلوقات الافتراضية تتسابق وتتنقل عبر الشاشة ، وتكافح من أجل التغلب على العقبات أو تسحب الكرات نحو الهدف. تبدو وكأنها نصف سلطعون مصنوع من النقانق - أو ربما شيء ، اليد غير المجسدة عائلة أدامس . لكن هذه 'الأحاديات' (اختصار للحيوانات العالمية) يمكن في الواقع أن تساعد الباحثين على تطوير المزيد ذكاء للأغراض العامة في الآلات.

استخدم Agrim Gupta من جامعة ستانفورد وزملاؤه (بما في ذلك Fei-Fei Li ، الذي شارك في إدارة معهد ستانفورد للذكاء الاصطناعي الذي يركز على الإنسان وقاد إنشاء ImageNet) هذه الكائنات الحية لاستكشاف سؤالان غالبًا ما يتم إغفالهما في أبحاث الذكاء الاصطناعي: كيف يرتبط الذكاء بالطريقة التي يتم بها تنظيم الأجسام ، وكيف يمكن تطوير القدرات من خلال التطور وكذلك التعلم.





ساحة لعب متغيرة باستمرار تعلم الذكاء الاصطناعي كيفية تعدد المهام

توفر عوالم الألعاب الافتراضية دفقًا مستمرًا من التحديات المفتوحة التي تدفع بالذكاء الاصطناعي نحو الذكاء العام.

خذ القاموس الحضري الساخن

يعتبر هذا العمل خطوة مهمة في محاولة استمرت عقودًا لفهم العلاقة بين الجسم والدماغ في الروبوتات بشكل أفضل ، كما يقول جوش بونجارد ، الذي يدرس الروبوتات التطورية في جامعة فيرمونت ولم يشارك في العمل.

يقول جوبتا: إذا أراد الباحثون إعادة تكوين الذكاء في الآلات ، فقد يفقدون شيئًا ما. في علم الأحياء ، ينشأ الذكاء من عمل العقول والأجساد معًا. تحدد جوانب مخططات الجسم ، مثل عدد الأطراف وشكلها ، ما يمكن أن تفعله الحيوانات وما يمكن أن تتعلمه. فكر في aye-aye ، وهو ليمور طور إصبعًا متوسطًا ممدودًا لبحث عميقاً في الثقوب بحثًا عن اليرقات.



يركز الذكاء الاصطناعي عادةً على الجانب الذهني فقط ، وبناء الآلات للقيام بمهام يمكن إتقانها بدون جسد ، مثل استخدام اللغة ، والتعرف على الصور ، ولعب ألعاب الفيديو. لكن هذه الذخيرة المحدودة قد تصبح قديمة قريبًا. إن تغليف أنظمة الذكاء الاصطناعي بأجسام تتكيف مع مهام محددة يمكن أن يسهل عليهم تعلم مجموعة واسعة من المهارات الجديدة. يقول بونجارد: هناك شيء واحد مشترك بين كل حيوان ذكي على هذا الكوكب في الجسم. التجسيد هو أملنا الوحيد في صنع آلات ذكية وآمنة.

هل لدى الروبوتات مشاعر

الحيوانات الوحشية لها رأس وأطراف متعددة. لمعرفة ما يمكنهم فعله ، طور الفريق تقنية تسمى التعلم المعزز التطوري العميق (DERL). يتم تدريب الأحاديات أولاً باستخدام التعلم المعزز لإكمال مهمة في بيئة افتراضية ، مثل المشي عبر أنواع مختلفة من التضاريس أو تحريك كائن.

ثم يتم اختيار الكائنات الأحادية التي تقدم أفضل أداء ويتم إدخال الطفرات ، ويتم إعادة النسل الناتج إلى البيئة ، حيث يتعلمون نفس المهام من البداية. تتكرر العملية مئات المرات: تطور وتعلم وتطور وتعلم.

تخضع الطفرات الأحادية لتشمل إضافة أو إزالة الأطراف ، أو تغيير طول أو مرونة الأطراف. عدد تكوينات الجسم الممكنة كبير: هناك 10 ^ 18 تكوينات فريدة مع 10 أطراف أو أقل. بمرور الوقت ، تتكيف أجسام الوحيدات مع المهام المختلفة. تطورت بعض الكائنات الحية للتحرك عبر التضاريس المستوية بالسقوط للأمام ؛ طور البعض ضاربًا يشبه السحلية ؛ طور البعض الآخر كماشة للإمساك بالصندوق.



اختبر الباحثون أيضًا مدى قدرة الكائنات الحية المتطورة على التكيف مع مهمة لم يروها من قبل ، وهي سمة أساسية للذكاء العام. كانت تلك التي تطورت في بيئات أكثر تعقيدًا ، تحتوي على عوائق أو تضاريس غير مستوية ، أسرع في تعلم مهارات جديدة ، مثل دحرجة الكرة بدلاً من دفع صندوق. وجدوا أيضًا أن مخططات الجسم المختارة من DERL تعلمت بشكل أسرع ، على الرغم من عدم وجود ضغط انتقائي للقيام بذلك. أجد هذا مثيرًا لأنه يُظهر مدى عمق الترابط بين شكل الجسم والذكاء ، كما يقول غوبتا.

يتعلم الذكاء الاصطناعي كيف يصنع نفسه

كافح البشر لصنع آلات ذكية حقًا. ربما نحتاج إلى السماح لهم بمواصلة الأمر بأنفسهم.

من المعروف بالفعل أن بعض الهيئات تسرع التعلم ، كما يقول بونجارد. يوضح هذا العمل أن الذكاء الاصطناعي يمكنه البحث عن مثل هذه الهيئات. طور مختبر Bongard أجسامًا روبوتية تتكيف مع مهام معينة ، مثل تغطية القدم بطبقات تشبه الكالس لتقليل التآكل والتمزق. يقول بونجارد إن جوبتا وزملاؤه يوسعون هذه الفكرة. لقد أظهروا أن الجسم الأيمن يمكنه أيضًا تسريع التغييرات في دماغ الروبوت.

في النهاية ، يمكن أن تعكس هذه التقنية الطريقة التي نفكر بها في بناء الروبوتات المادية ، كما يقول جوبتا. بدلاً من البدء بتكوين جسم ثابت ثم تدريب الروبوت على القيام بمهمة معينة ، يمكنك استخدام DERL للسماح لخطة الجسم المثلى لتلك المهمة بالتطور ثم بناء ذلك.

هو كويكب سيريس

تعد أحاديات جوبتا جزءًا من تحول واسع في طريقة تفكير الباحثين في الذكاء الاصطناعي. بدلاً من تدريب الذكاء الاصطناعي على مهام محددة ، مثل لعب Go أو تحليل الفحص الطبي ، بدأ الباحثون في إسقاط الروبوتات في وضع الحماية الافتراضي - مثل شاعر و ساحة الغميضة الافتراضية لـ OpenAI ، و ملعب DeepMind الافتراضي XLand —جعلهم يتعلمون كيفية حل المهام المتعددة في دوجو التدريب المتغيرة باستمرار والمفتوحة النهايات. بدلاً من إتقان تحدٍ واحد ، يتعلم الذكاء الاصطناعي المدربين بهذه الطريقة المهارات العامة.

بالنسبة لجوبتا ، سيكون الاستكشاف الحر مفتاحًا للجيل القادم من أنظمة الذكاء الاصطناعي. نحن بحاجة إلى بيئات مفتوحة حقًا لخلق عملاء أذكياء ، كما يقول.

يخفي

التقنيات الفعلية

فئة

غير مصنف

تكنولوجيا

التكنولوجيا الحيوية

سياسة التكنولوجيا

تغير المناخ

البشر والتكنولوجيا

وادي السيليكون

الحوسبة

مجلة Mit News

الذكاء الاصطناعي

الفراغ

المدن الذكية

بلوكشين

قصة مميزة

الملف الشخصي للخريجين

اتصال الخريجين

ميزة أخبار معهد ماساتشوستس للتكنولوجيا

1865

وجهة نظري

77 Mass Ave

قابل المؤلف

ملامح في الكرم

شوهد في الحرم الجامعي

خطابات الخريجين

أخبار

انتخابات 2020

فهرس With

تحت القبه

خرطوم الحريق

قصص لانهائية

مشروع تكنولوجيا الوباء

من الرئيس

غلاف القصه

معرض الصور

موصى به