Simulerte AI-skapninger demonstrerer hvordan sinn og kropp utvikler seg og lykkes sammen

Kunstig intelligens blir ofte sett på som kroppsløs: et sinn som et program, flytende i et digitalt tomrom. Men menneskelige sinn er dypt sammenvevd med kroppene våre - og et eksperiment med virtuelle skapninger å utføre oppgaver i simulerte miljøer antyder at AI kan ha nytte av å ha et sinn-kropp-oppsett.

Stanford-forskere var nysgjerrige på det fysisk-mentale samspillet i vår egen evolusjon fra blobs til verktøybrukende aper. Kan det være at hjernen påvirkes av kroppens evner og omvendt? Det har blitt foreslått før - for over et århundre siden, faktisk - og det er absolutt åpenbart at med en gripende hånd lærer man raskere å manipulere objekter enn med et mindre differensiert vedheng.

Det er vanskelig å vite om det samme kan sies om en AI, siden utviklingen deres er mer strukturert. Likevel er spørsmålene et slikt konsept reiser overbevisende: Kan en AI bedre lære og tilpasse seg verden hvis den har utviklet seg til å gjøre det fra starten av?

Eksperimentet de designet ligner på noen måter simulerte miljøer som har blitt brukt i flere tiår for å teste evolusjonære algoritmer. Du setter opp et virtuelt rom og slipper enkle simulerte skapninger inn i det, bare noen få tilkoblede geometriske former som beveger seg på tilfeldige måter. Av tusen slike vridende former velger du de 10 som vred seg lengst og gjør tusen varianter av dem, og gjentar om og om igjen. Ganske snart har du en håndfull polygoner som gjør en ganske farbar tur over den virtuelle overflaten.

Det er imidlertid en gammel lue: Som forskerne forklarer, trengte de å gjøre simuleringen mer robust og variabel. De prøvde ikke bare å lage virtuelle skapninger som går rundt, men å undersøke hvordan disse skapningene lærte å gjøre det de gjør, og om noen lærer bedre eller raskere enn andre.

For å finne ut, laget teamet en lignende simulering som de gamle, og droppet simmene deres, som de kalte "unimals" (for "universelle dyr" ... vi får se om denne terminologien tar av), i den først bare for å lære å gå. De enkle formene hadde et sfærisk "hode" og noen få grenlignende leddlemmer, som de utviklet en rekke interessante turer med. Noen snublet frem, noen utviklet en øgle-lignende leddgang og andre en flaksende, men effektiv stil som minner om en blekksprut på land.

Se på dem gå!. Bilde Studiepoeng: Stanford

Så langt, så lik eldre eksperimenter, men der tar likhetene mer eller mindre slutt.

Noen av disse unimalene vokste opp på forskjellige hjemmeplaneter, som det var, med bølgende åser eller lave barrierer for dem å klatre over. Og i neste fase konkurrerte unimaler fra disse forskjellige terrengene om mer komplekse oppgaver for å se om, som ofte hevdes, motgang er moder til tilpasningsevne.

"Nesten alt tidligere arbeid på dette feltet har utviklet agenter på et enkelt flatt terreng. Dessuten er det ingen læring i den forstand at kontrolløren og/eller oppførselen til agenten ikke læres via direkte sensorimotoriske interaksjoner med omgivelsene,” forklarte medforfatter Agrim Gupta til TechCrunch – med andre ord, de utviklet seg ved å overleve, men gjorde det. Lærer egentlig ikke ved å gjøre. "Dette arbeidet for første gang gjør samtidig evolusjon og læring i komplekse miljøer som terreng med trapper, bakker, rygger og bevegelser utover for å gjøre manipulasjon i disse komplekse miljøene."

De 10 beste unimalene fra hvert miljø ble satt løs på oppgaver som spenner fra nye hindringer til å flytte en ball til et mål, skyve en boks opp en bakke eller patruljere mellom to punkter. Det var her disse "gladiatorene" virkelig viste sin virtuelle dyktighet. Unimaler som hadde lært seg å gå i varierende terreng lærte sine nye oppgaver raskere og utførte dem bedre enn sine flatlander-kusiner.

Bilde Studiepoeng: Stanford

"I hovedsak finner vi at evolusjonen raskt velger ut morfologier som lærer raskere, og dermed muliggjør atferd som er lært sent i livet til tidlige forfedre, kan uttrykkes tidlig i livet til deres etterkommere," skriver forfatterne i avisen, publisert i dag i tidsskriftet Nature.

Det er ikke bare det at de lærte å lære raskere; den evolusjonære prosessen valgte kroppstyper som ville tillate dem å tilpasse seg raskere og bruke leksjoner raskere. På flatt terreng kan en blekksprutflopp få deg like raskt til mål, men bakker og rygger valgt for en kroppskonfigurasjon som var rask, stabil og tilpasningsdyktig. Å bringe denne kroppen inn på gladiatorarenaen ga de unimals som kom fra skolen med harde slag et bein opp på konkurrentene. Deres allsidige kropper var bedre i stand til å bruke leksjonene deres sinn satt på prøve - og snart forlot de diskettkonkurransen i støvet.

Hva betyr alt dette, i tillegg til å gi noen få underholdende GIF-er av 3D-pinnefigurer som galopperer over virtuelt terreng? Som papiret uttrykker det, åpner eksperimentet døren til å utføre storskala i silico-eksperimenter for å gi vitenskapelig innsikt i hvordan læring og evolusjon i samarbeid skaper sofistikerte forhold mellom miljøkompleksitet, morfologisk intelligens og lærebarheten til kontrolloppgaver.

Si at du har en relativt komplisert oppgave du ønsker å automatisere - for eksempel å gå i trapper med en firbeint robot. Du kan designe bevegelsene manuelt, eller kombinere tilpassede med AI-genererte, men kanskje den beste løsningen ville være å få en agent til å utvikle sin egen bevegelse fra bunnen av. Eksperimentet viser at det potensielt er en reell fordel ved å ha kroppen og sinnet som kontrollerer den, utvikler seg i takt.

Hvis du er kodekyndig, kan du få hele operasjonen i gang på din egen maskinvare: Forskningsgruppen har laget all kode og data fritt tilgjengelig på GitHub. Og sørg for at du har den avanserte dataklyngen eller skybeholderen klar til bruk også: "Standardparametrene antar at du kjører koden på 16 maskiner. Sørg for at hver maskin har minimum 72 CPUer.»

Kilde: https://techcrunch.com/2021/10/06/simulated-ai-creatures-demonstrate-how-mind-and-body-evolve-and-succeed-together/