211service.com
AI-program bliver rigtig godt til navigation ved at udvikle et hjernelignende GPS-system
DeepMinds neurale netværk efterligner de gitterceller, der findes i menneskelige hjerner, og som hjælper os med at vide, hvor vi er. 9. maj 2018
Ms. Tech
Et AI-program trænet til at navigere gennem en virtuel labyrint har uventet udviklet en arkitektur, der ligner det neurale GPS-system, der findes inde i en hjerne. AI var derefter i stand til at finde vej rundt i labyrinten med hidtil uset dygtighed.
Opdagelsen kommer fra DeepMind , et britisk selskab ejet af Alphabet og dedikeret til at fremme generel kunstig intelligens.
Værket, offentliggjort i tidsskriftet Natur , antyder, hvordan kunstige neurale netværk, som i sig selv er inspireret af biologi, kan bruges til at udforske aspekter af hjernen, der forbliver mystiske. Men denne idé bør behandles med en vis forsigtighed, da der er meget, vi ikke ved om, hvordan hjernen fungerer, og da funktionen af kunstige neurale netværk også ofte er svær at forklare.
Gitterlignende celler set i biologiske og kunstige neurale netværk. DeepMind blog
Forskere ved DeepMind satte sig for at træne et kunstigt neuralt netværk til at efterligne vejintegration, en metode dyr bruger til at beregne deres bevægelse gennem et rum. Forskerne trænede et neuralt netværk med en feedback-sløjfe til at navigere i en labyrint ved at give den eksempler på de ruter, mus tog gennem en rigtig labyrint.
Holdet fandt ud af, at det neurale netværk udviklede noget, der ligner de gitterceller, der findes i en biologisk hjerne. Disse celler, arrangeret i et trekantet gitter, ser ud til at give et dyr en måde at positionere sig selv i det fysiske rum. Gitterceller blev først identificeret i 2005, og de videnskabsmænd, der fandt dem, blev tildelt en Nobelpris for deres opdagelse i 2014.
DeepMind-forskerne brugte det trænede netværk til at navigere gennem ukendte labyrinter ved at tilføje forstærkende læring til deres tilgang. De fandt ud af, at det nyligt trænede netværk kunne navigere langt mere effektivt end noget tidligere AI-system, og at det udforskede sit rum mere som et rigtigt dyr.
Neurale netværk kan bruges til at gøre mange nyttige ting, men indtil nu har de ikke vist sig særlig gode til navigation.
DeepMinds kunstige neurale netværk blev trænet til at udforske en virtuel labyrint.
Denne undersøgelse er en overbevisende demonstration af, at dyb læring kan være af værdi for opgaver, der ikke kun afhænger af perceptuelle evner, men også af højere kognitive funktioner - i dette tilfælde rumlig navigation, siger Francesco Savelli , en neurovidenskabsmand ved Johns Hopkins University, der studerer gitterceller, og som skrev om forskningen i en relateret Natur papir.
Forskningen tyder på, at gitterceller spiller en grundlæggende rolle i, hvordan dyr – inklusive mennesker – finder vej rundt i verden. Denne opdagelse kan i sidste ende have betydelige praktiske fordele, såsom at hjælpe robotter med at navigere lettere gennem ukendte bygninger.
Vores arbejde bygger på kunstig generel intelligens, og vi mener, at navigation er en grundlæggende del af det, siger Andrea Banino, et af DeepMind-teamets medlemmer.
Hans kollega Dharshan Kumaran siger, at næste skridt er at få AI-agenterne til at lære mere komplekse navigationsfærdigheder. Vi tænker på mere udfordrende miljøer, siger han.
DeepMind har tidligere demonstreret nogle bemærkelsesværdige fremskridt inden for maskinlæring, inklusive programmer, der er i stand til at lære at spille videospil, såvel som brætspil som Go og skak, med overmenneskelige færdigheder. Disse præstationer var også afhængige af træning af meget store eller dybe, kunstige neurale netværk.
Ifølge Demis Hassabis, medstifter og administrerende direktør for DeepMind, kan AI-forskning afsløre nye ting om hjernen. Den menneskelige hjerne er det eneste eksistensbevis, vi har på, at den slags generel intelligens, vi forsøger at opbygge, overhovedet er mulig, sagde han i en udtalelse. Vi mener, at denne inspiration bør være en tovejs vej, hvor indsigt også strømmer tilbage fra AI-forskning for at kaste lys over åbne spørgsmål inden for neurovidenskab.
Det er imidlertid ikke klart, hvor langt neurale netværk, som er meget forenklede repræsentationer af biologi, vil tage os med at forklare hjernen. Flere neuroforskere kontaktet af MIT Technology Review Bemærk, at funktionen af et dybt neuralt netværk ikke er så meget mere fortolkelig end funktionen af en biologisk hjerne.