موجودات شبیه سازی شده هوش مصنوعی نشان می دهد که چگونه ذهن و بدن با هم تکامل می یابند و موفق می شوند – TechCrunch

هوش مصنوعی را اغلب بدن بدون بدن می پندارند: ذهنی شبیه برنامه که در یک خلأ دیجیتالی شناور است. اما ذهن انسان عمیقاً با بدن ما آمیخته است-و آزمایش روی موجودات مجازی که در محیط های شبیه سازی شده وظایف خود را انجام می دهند ، نشان می دهد که هوش مصنوعی ممکن است از پیکربندی ذهن و بدن سود ببرد.

دانشمندان دانشگاه استنفورد درباره تعامل فیزیکی و ذهنی در تکامل خود ما از حباب ها تا میمون های با استفاده از ابزار کنجکاو بودند. آیا ممکن است مغز تحت تأثیر قابلیت های بدن قرار گیرد و بالعکس؟ قبلاً پیشنهاد شده بود – در واقع بیش از یک قرن پیش – و مطمئناً بدیهی است که با یک دست چنگ زدن سریعتر یاد می گیرد که چگونه اشیاء را دستکاری کند تا با یک زائده کمتر متمایز.

به سختی می توان فهمید که آیا می توان برای هوش مصنوعی نیز همین را گفت ، زیرا توسعه آنها ساختارمندتر است. با این حال ، س theالاتی که چنین مفهومی مطرح می کند قانع کننده است: آیا هوش مصنوعی بهتر می تواند یاد بگیرد و با جهان سازگار شود اگر از ابتدا به این منظور تکامل یافته باشد؟

آزمایشی که آنها طراحی کردند از جهاتی شبیه به محیط های شبیه سازی شده است که دهه ها برای آزمایش الگوریتم های تکاملی مورد استفاده قرار گرفته است. شما یک فضای مجازی راه اندازی می کنید و موجودات شبیه سازی شده ساده را در آن رها می کنید ، فقط چند شکل هندسی متصل به هم که به صورت تصادفی حرکت می کنند. از بین هزار شکل پیچ خورده ، 10 موردی را انتخاب کنید که بیشترین فاصله را کشیده و هزار تغییر روی آنها ایجاد کنید و بارها و بارها این کار را تکرار کنید. به زودی شما چند مشت چند ضلعی دارید که در سطح مجازی قدم زدن قابل قبولی دارند.

هر چند این کلاه قدیمی است: همانطور که محققان توضیح می دهند ، آنها باید شبیه سازی خود را قوی تر و متغیرتر کنند. آنها به سادگی سعی نداشتند موجوداتی مجازی بسازند که در اطراف راه می رفتند ، بلکه در مورد چگونگی یادگیری نحوه انجام این کارها و اینکه آیا برخی بهتر یا سریعتر از دیگران یاد می گیرند ، تحقیق کردند.

برای پی بردن به این موضوع ، تیم شبیه سازی مشابهی با نمونه های قدیمی ایجاد کرد و سیم کارت های خود را که آنها “بی نقص” نامیدند (برای “حیوانات جهانی” … خواهیم دید که آیا این اصطلاح به کار می افتد) در ابتدا فقط برای یادگیری راه رفتن. اشکال ساده دارای “سر” کروی و چند اندام متصل به شاخه بودند که با آنها پیاده روی های جالبی انجام داد. برخی تلو تلو خوردند ، برخی پیاده روی مفصلی مانند مارمولک و برخی دیگر سبکی ناهنجار اما م effectiveثر که یادآور یک اختاپوس در خشکی بود ، ایجاد کردند.

تصویر متحرک از CG 'unimals' در راه های مختلف.

به آنها نگاه کن برو !. اعتبار تصویر: استنفورد

تا اینجا ، بسیار شبیه به آزمایش های قدیمی تر است ، اما شباهت ها کم و بیش پایان می یابد.

برخی از این حیوانات بی نظیر در سیاره های مختلف خانه رشد کرده اند ، مانند تپه های موج دار یا موانع کم برای برخورد با آنها. و در مرحله بعدی افراد غیرمستقیم از این مناطق مختلف در کارهای پیچیده تری با یکدیگر رقابت کردند تا ببینند آیا همانطور که اغلب تصور می شود ، سختی ها مادر سازگاری است یا خیر.

“تقریباً تمام کارهای قبلی در این زمینه باعث ایجاد عوامل در یک زمین مسطح ساده شده است. علاوه بر این ، هیچ گونه یادگیری ای در این زمینه وجود ندارد که کنترل کننده و/یا رفتار عامل از طریق فعل و انفعالات حسی و حرکتی مستقیم با محیط آموخته نشود. ” واقعا با انجام کار یاد نمی گیرید “این کار برای اولین بار تکامل و یادگیری همزمان را در محیط های پیچیده مانند زمین هایی با پله ها ، تپه ها ، پشته ها و فراتر از آن انجام می دهد تا در این محیط های پیچیده دستکاری شود.”

10 فرد برتر از هر محیط بر اساس وظایف مختلف از موانع جدید گرفته تا حرکت توپ به سمت دروازه ، هل دادن یک جعبه به بالای تپه یا گشت زنی بین دو نقطه ، از بین رفتند. در اینجا جایی بود که این “گلادیاتورها” واقعاً توانایی واقعی خود را نشان دادند. افراد بی تکلف که راه رفتن در زمین های متغیر را آموخته بودند ، کارهای جدید خود را سریعتر آموختند و آنها را بهتر از پسرعموهای هموطن خود انجام می دادند.

CG 'unimals' در زمین های مختلف قدم می زند و کارهای مختلفی را انجام می دهد.

اعتبار تصویر: استنفورد

نویسندگان مقاله در مقاله ای که امروز در مجله منتشر شده است ، می نویسند: “در اصل ، ما متوجه شدیم که تکامل به سرعت مورفولوژی هایی را انتخاب می کند که سریعتر یاد می گیرند ، بنابراین رفتارهایی را که در اواخر عمر اجداد اولیه آموخته شده است می تواند در اوایل عمر فرزندان خود بیان کند.” طبیعت

فقط این نیست که آنها یادگیری سریعتر را آموختند. فرایند تکاملی انواع بدن را انتخاب کرد که به آنها اجازه می داد سریعتر خود را وفق دهند و درسها را سریعتر به کار گیرند. در زمین مسطح ، یک هشت پا هشت پا ممکن است شما را به همان سرعت سریع به خط پایان برساند ، اما تپه ها و پشته ها برای پیکربندی بدنه سریع ، پایدار و سازگار انتخاب شده اند. آوردن این بدن به عرصه گلادیاتورها به آنهایی که از مکتب سختی ها می آمدند کمک می کرد تا در مسابقات رقابت کند. بدنهای همه کاره آنها بهتر می توانستند درسهایی را که ذهنشان در حال آزمایش آن بود – به کار گیرند – و به زودی رقابت فلاپر خود را در گرد و غبار رها کردند.

این همه علاوه بر ارائه چند GIF سرگرم کننده از چهره های چوب سه بعدی که در حال حرکت روی زمین های مجازی هستند ، نشان دهنده چیست؟ همانطور که مقاله می گوید ، این آزمایش “دریچه ای را برای انجام مقیاس بزرگ در آزمایشات سیلیکو باز می کند تا بینش علمی در مورد چگونگی ایجاد یادگیری و تکامل به صورت مشترک بین پیچیدگی های محیطی ، هوش مورفولوژیکی و قابلیت یادگیری وظایف کنترل ایجاد کند.”

بگویید که یک کار نسبتاً پیچیده دارید که می خواهید آن را به طور خودکار انجام دهید-برای مثال بالا رفتن از پله با یک ربات چهارپا. می توانید حرکات را به صورت دستی طراحی کنید یا حرکات سفارشی را با حرکات ایجاد شده توسط هوش مصنوعی ترکیب کنید ، اما شاید بهترین راه حل این باشد که یک عامل حرکت خود را از ابتدا تکامل دهد. این آزمایش نشان می دهد که به طور بالقوه یک مزیت واقعی وجود دارد که بدن و ذهن کنترل کننده آن به طور همزمان تکامل یابد.

https://www.youtube.com/watch؟v=zltE0wR2Y5c

اگر از کد مطلع هستید ، می توانید کل عملیات را با سخت افزار خود راه اندازی کنید: گروه تحقیقاتی تمام کد و داده ها را به صورت رایگان در GitHub در دسترس قرار داده است. و مطمئن شوید که خوشه محاسباتی پیشرفته یا محفظه ابری خود را نیز آماده کرده اید: “پارامترهای پیش فرض فرض می کنند که شما کد را روی 16 دستگاه اجرا می کنید. لطفاً اطمینان حاصل کنید که هر دستگاه حداقل 72 CPU دارد. “