Animal-AI Olympics kommer til at behandle AI som en laboratorierotte

Ms. Tech; Billeder: Wikimedia commons

I en af ​​Æsops fabler finder en tørstig krage en kande med en lille mængde vand uden for næbbets rækkevidde. Efter at have undladt at skubbe kanden over, falder kragen småsten i én efter én, indtil vandstanden stiger, så fuglen kan få en drink. For Aesop viste fablen intelligensens overlegenhed over brutal styrke.

To et halvt årtusinde senere kan vi måske få at se, om AI kunne bestå Aesops gamle intelligenstest. I juni vil forskere træne algoritmer til at mestre en række opgaver, som traditionelt er blevet brugt til at teste dyrekognition. Dette vil være Dyre-AI OL , med en andel i en præmiepulje på $10.000.

Normalt involverer AI-benchmarks at mestre en enkelt opgave, som at slå en stormester i Go eller finde ud af, hvordan man lærer et videospil fra bunden. AI har været ekstraordinært succesfuld i sådanne riger. Men når du anvender de samme AI-systemer til en helt anden opgave, er de generelt håbløse. Derfor vil den samme agent i Animal-AI Olympics blive udsat for 100 hidtil usete opgaver. Det, der testes, er ikke en bestemt type intelligens, men en enkelt agents evne til at tilpasse sig forskellige miljøer. Dette ville demonstrere en begrænset form for generaliseret intelligens - en form for sund fornuft, som AI har brug for, hvis den nogensinde skal lykkes i vores hjem eller i vores daglige liv. Konkurrencearrangørerne accepterer, at ingen af ​​AI-systemerne vil være i stand til at tilpasse sig perfekt til enhver omstændighed eller give et perfekt resultat. Men de håber, at de bedste systemer vil være i stand til at tilpasse sig til at tackle de forskellige problemer, de står over for.

Animal-AI Olympics er skabelsen af ​​et team af forskere ved Leverhulme Center for the Future of Intelligence i Cambridge, England, sammen med GoodAI, et Prag-baseret forskningsinstitut. Konkurrencen er en del af et større projekt på Leverhulme Centret kaldet Slags intelligens , som samler et tværfagligt team af dyrekognitionsforskere, dataloger og filosoffer for at overveje forskelle og ligheder mellem menneskers, dyrs og mekaniske måder at tænke på. Og selvom de fleste af opgaverne typisk bruges som intelligenstests for dyr, vil det også tippe tæerne ind på menneskets territorium: Nogle af udfordringerne bruges til at teste kognition hos babyer og småbørn. Gruppen håber at inkludere flere menneskelige kognitive opgaver i fremtidige, mere komplekse versioner af udfordringen.

I stedet for at bede forskere om at bygge fysiske robotter, udviklede Marta Halina, gruppens direktør, og hendes team et virtuelt miljø skabt med videospiludviklingssoftwaren Unity. Opsætningen simulerer et laboratorietestmiljø for dyrekognition, komplet med madbelønninger, vægge og bevægelige genstande. Senere på måneden vil denne simulerede legeplads, som Halina kalder den, blive frigivet til AI-fællesskabet, og forskere vil blive inviteret til at træne agenter, der kan navigere i den.

Agenterne vil være computersystemer, der kan agere autonomt i dette miljø, ligesom de AI-bots, som OpenAI og DeepMind har udviklet til at konkurrere i spil som Dota og Starcraft. Konkurrencearrangørerne hilser enhver form for tilgang til at bygge disse agenter velkommen og forventer, at mange vil vælge forstærkende læring. Men de håber også, at forskerne vil eksperimentere med nye metoder - især det, de kalder den kognitive tilgang, som den, der forkæmpes af forskere som Josh Tenenbuam ved MIT, og som involverer simulering af menneskelig (eller i dette tilfælde dyr) problemløsning og mental behandling i en computeriseret model.

I juni vil forskere indsende deres agenter, og teamet på Cambridge vil køre dem gennem 100 tests opdelt i 10 kategorier. Matthew Crosby, en postdoc-forsker ved Leverhulme Center, siger, at testene på nuværende tidspunkt holdes hemmelige, så deltagerne ikke kan lære agenterne specifikke færdigheder, før konkurrencen starter.

Prøverne vil variere i sværhedsgrad. Nogle kan være så grundlæggende som at kræve, at agenten henter mad fra et miljø uden forhindringer. Sværere opgaver vil kræve en forståelse af objektpermanens – vel vidende at et objekt stadig er der, selvom det er skjult – og evnen til at lave en mental model af et miljø for at kunne navigere i det i mørket.

Ifølge Crosby er det mest udfordrende aspekt af konkurrencen, at agenterne skal være gode til alle testene over hele linjen: Den vindende agent vil være den, der viser gode præstationer i gennemsnit, snarere end blot en evne til at mestre hårdt opgaver. Det, der bliver testet, er evnen til hurtigt at tilpasse sig nye situationer eller oversætte færdigheder fra en type aktivitet til en anden, hvilket er en god indikator for generel intelligens. For Crosby er denne form for fleksibilitet afgørende for at gøre AI nyttig i den virkelige verden.

Animal-AI Olympics er ikke det første AI-forskningsprojekt, der er inspireret af dyrs intelligens. Radhika Nagpal, professor i datalogi ved Harvard, undersøger hvad AI kan få ud af at studere den nye intelligens, der vises af fiskestimer og fugleflokke. Og sidste år Kiana Ehsani led et team af forskere fra University of Washington og Allen Institute for AI i at træne neurale netværk til, i et meget begrænset udvalg af opgaver, at tænke som en hund. Ehsani siger, at hun ville være interesseret i at deltage i Animal-AI Olympics og ser dets mål i overensstemmelse med hendes egne.

Selvom disse projekter har opnået en vis succes, betragtes det stadig som et svært problem at kopiere dyreintelligens i beregningsmidler. Som den banebrydende AI-forsker Judea Pearl har sagde , dyrenes kognitive færdigheder – kattenes navigationsevner, en hunds uhyggelige lugtesans, slangernes knivskarpe syn – alt sammen langt bedre end alt, hvad der kan laves i et laboratorium. Denne biologiske intelligens er resultatet af hundreder af millioner af års evolution.

Jeg tror, ​​at for at få AI til at fungere så intelligent som et dyr, kræver det at bygge noget af den medfødte struktur ind i systemet, siger Anthony Zador, professor i neurovidenskab ved Cold Spring Harbor Laboratory. Hvordan du gør det, er et svært spørgsmål, som ingen har et svar på endnu.

En anden komplicerende faktor er, at målinger for dyrs intelligens i sig selv bestrides. I hans bog Er vi kloge nok til at vide, hvor smarte dyr er? Frans de Waal, direktør for Yerkes National Primate Research Center ved Emory University, argumenterer at mange tests bedømmer mental kondition hos dyr kun i kraft af, hvor ens de er mennesker. Så i stedet for at teste grænserne for deres naturlige adfærd, træner vi dyr til at udføre menneskelignende opgaver.

Det skyldes blandt andet, at akkrediterede videnskabelige eksperimenter i dyrekognition skal foregå i laboratoriet, langt væk fra et dyrs naturlige miljø. Animal-AI Olympics tilføjer endnu et lag af abstraktion fra den virkelige verden ved at simulere laboratoriemiljøer på computeren, hvilket eliminerer ikke kun det naturlige miljø, men den kropslige oplevelse af dyrelivet.

Crosby erkender, at der er begrænsninger i at bruge tests fra dyreintelligens til benchmarking af AI-kapacitet. Men han siger, at projektet handler mere om at udforske forskellene mellem sind end at prøve at bevise ækvivalens mellem kunstig og biologisk erkendelse. Han håber faktisk, at det kaster lys over, hvordan vores egne hjerner fungerer, såvel som at teste det bedste inden for AI.

Det, vi faktisk er interesserede i, er at opdage, hvordan man kan oversætte mellem forskellige typer af intelligens, siger han. Hvis noget af det, vi lærer, er, hvor denne oversættelse fejler, er det en succes, hvad vi angår.

skjule