Google ‘ s AI slå mennesker på et spil, der er involveret racing rundt et ukendt virtuelle miljø
@iansample
Gift 9 Maj 2018 18.00 BST
Sidst opdateret den Ons 9 Maj 2018 22.00 BST
Labyrinten på Longleat Hus, Wiltshire.
Foto: Jason Hawkes/PA
Hak op en anden sejr for robotter: det seneste program fra Google ‘ s artificial intelligence group, DeepMind, har trounced eksperter i en labyrint spil, når det har lært at finde vej rundt som et menneske.
Forskere har bemærket, at når de trænede AI til at bevæge sig gennem et landskab, der spontant udviklet elektriske aktivitet beslægtet med den, der ses i den specialiserede hjerneceller, der er grundlaget for den menneskelige navigatør færdigheder. Såkaldte grid-celler ” blev kun identificeret i dyr, der i 2005 i arbejde, tjente forskere Nobelprisen.
Det seneste gennembrud afslører, at risikoen for menneskelige hjerne-som aktivitet til at dukke op fra bunden i AI-system. Ud over at gøre smartere programmer, det baner vejen for, at edb-ingeniører til at bygge modeller, der hjælper neuroforskere bedre at forstå den menneskelige hjerne.
Efter at opdage AI-lavet grid celler, DeepMind forskere har lavet en forbedret version af programmet. Det gik på at slå erfarne spillere i et spil, der er involveret racing gennem værelserne for at finde en præmie, efter at være faldet i det virtuelle miljø på en tilfældig placering. Udstyret med den kunstige grid celler, AI, var hurtigere og fundet genveje, der vil lejlighedsvis dukker op, når døre i miljøet pludselig blev åbnet.
“Det gør den slags ting, som dyr gør, og det er at tage direkte ruter, hvor det er muligt og genveje, når de er til rådighed,” sagde Dharshan Kumaran, en ledende forsker ved DeepMind. “Med grid-celler, og dens resultater er markant styrket på det punkt, at det overgår en ekspert menneskelig spiller.”
Det kunststykke markerer en milepæl inden for kunstig intelligens. Indtil nu er den anvendte teknologi har vist sig at være en overmenneskelig på objekt anerkendelse og spil som skak, Go og poker, men ikke på meget forskellige kognitive udfordring af en effektiv navigation.
Men den forskning, der åbner op for nye muligheder også. Fordi AI program udviklet hjerne-lignende aktivitet fra bunden, forskerne mener, at en lignende tilgang kan kaste lys på andre mystiske processer i den menneskelige hjerne, sådan som hvordan lemmer styres. Og det kunne gøre det uden at nogen har brug for dyrs eller menneskers eksperimenter.
“Der er ingen grund til, hvorfor vi ikke kunne bruge dette til at forstå de forskellige funktioner, som hjernen udfører. Det kunne være en prøvesten for eksperimenter, du ellers ikke ville gøre,” sagde Caswell Barry, en neurolog på University College London, som har arbejdet på projektet.
At skrive i tidsskriftet Nature, forskere beskriver, hvordan de byggede en ‘dyb neurale netværk’, som er et edb-program, der anvender flere lag af kunstige neuroner til at behandle oplysninger. De så lært det program, de grundlæggende principper for navigation ved at fodre den slags signaler, der koder for hastighed og retning i hjerner af fouragering rotter. Med feedback på sin præstation, AI er blevet bedre og bedre til at forudsige, hvor det var, når den har bevæget sig rundt i et virtuelt miljø.
Forskerne håbede, at med uddannelse AI program kan udvikle sin egen celle-lignende aktivitet, og det er netop, hvad de har fundet. En fjerdedel af den kunstige neuroner i et lag af den dybe neurale netværk var begyndt at affyre ligesom biologiske grid celler. Med andre ord, AI ramt på den samme strategi til at kortlægge den verden, som den menneskelige hjerne har for længe siden. “Vi var overraskede over, hvor godt det fungerede,” sagde Caswell. “Graden af lighed er helt imponerende.”
Grid-celler, der er grundlæggende for navigation i mennesker og andre pattedyr. De opfører sig, som om et usynligt net af sekskanter er blevet lagt over landet, fyring hurtigt, når et dyr krydser fra den ene sekskant til den næste. I virkeligheden, nogle sekskanter er store, andre er små, og mange overlap. Neuroforskere har mistanke om, at denne imaginære mesh hjælper alle pattedyr arbejde ud af, hvor de er, og beregne den korteste vej til deres mål.
En animation, der viser, hvordan grid celler brand i et sekskantet mønster. Foto: DeepMind
I den næste fase af projektet, forskerne gik på at opbygge en mere avanceret AI, der omfattede den kunstige celle netværk. De så lade det løs på et virtual reality-labyrint-spil. Tests i spillet viste det sig, at AI brugt grid celler ikke kun at spore sin position, men også til at arbejde ud retning og afstand til målet, så det kunne tage den mest direkte rute.
“Vi har en tendens til at tænke på navigation som en meget dagligdags ting, men det er noget, vi ikke forstår meget godt,” sagde Kumaran. “Det, som vores undersøgelse ikke er at kaste lys på de neurale mekanismer, der ligger til grund for de menneskelige navigation.”
Francesco Savelli, en ekspert i kunstig intelligens og neurovidenskab ved Johns Hopkins University i Maryland, siger, at det magiske af AI-system som den bruger, er, at de kommer op med deres egen måde at behandle data til at løse den opgave ved hånden. “Fremkomsten af gitterceller i denne model er en imponerende demonstration af netop det,” sagde han.