AI-program blir riktigt bra på navigering genom att utveckla ett hjärnliknande GPS-system

DeepMinds neurala nätverk efterliknar rutnätscellerna som finns i mänskliga hjärnor som hjälper oss att veta var vi är. Förbi

• Will Knight arkivsida

9 maj 2018

Ms. Tech

Ett AI-program tränat för att navigera genom en virtuell labyrint har oväntat utvecklat en arkitektur som liknar det neurala GPS-system som finns inuti en hjärna. AI:n kunde sedan hitta sin väg runt labyrinten med oöverträffad skicklighet.

Upptäckten kommer från DeepMind , ett brittiskt företag som ägs av Alphabet och dedikerat till att främja allmän artificiell intelligens.

Verket, publicerat i tidskriften Natur , antyder hur artificiella neurala nätverk, som själva är inspirerade av biologi, kan användas för att utforska aspekter av hjärnan som förblir mystiska. Men denna idé bör behandlas med viss försiktighet, eftersom det är mycket vi inte vet om hur hjärnan fungerar, och eftersom funktionen hos artificiella neurala nätverk också ofta är svår att förklara.

Grid-liknande celler ses i biologiska och artificiella neurala nätverk. DeepMind blogg

Forskare vid DeepMind satte sig för att träna ett artificiellt neuralt nätverk för att efterlikna vägintegration, en metod som djur använder för att beräkna sin rörelse genom ett utrymme. Forskarna tränade ett neuralt nätverk med en återkopplingsslinga för att navigera i en labyrint genom att ge det exempel på de rutter som möss tar som korsar en riktig labyrint.

Teamet fann att det neurala nätverket utvecklade något som liknar de rutnätsceller som finns i en biologisk hjärna. Dessa celler, arrangerade i ett triangulärt rutnät, verkar ge ett sätt för ett djur att positionera sig i fysiskt utrymme. Gridceller identifierades först 2005, och forskarna som hittade dem tilldelades ett Nobelpris för sin upptäckt 2014.

DeepMind-forskarna använde det utbildade nätverket för att navigera genom okända labyrinter genom att lägga till förstärkningsinlärning till deras tillvägagångssätt. De fann att det nyutbildade nätverket kunde navigera mycket mer effektivt än något tidigare AI-system, och att det utforskade sitt utrymme mer som ett riktigt djur.

Neurala nätverk kan användas för att göra många användbara saker, men hittills har de inte visat sig särskilt bra på navigering.

DeepMinds artificiella neurala nätverk tränades för att utforska en virtuell labyrint.

Denna studie är en övertygande demonstration av att djupinlärning kan vara av värde för uppgifter som inte bara beror på perceptuella förmågor utan också på högre kognitiva funktioner – i det här fallet rumslig navigering, säger Francesco Savelli , en neuroforskare vid Johns Hopkins University som studerar rutnätsceller och som skrev om forskningen i en relaterad Natur papper.

Forskningen tyder på att rutnätsceller spelar en grundläggande roll i hur djur – inklusive människor – hittar sin väg runt världen. Denna upptäckt kan så småningom ha betydande praktiska fördelar, som att hjälpa robotar att navigera genom okända byggnader lättare.

Vårt arbete bygger artificiell allmän intelligens, och vi tror att navigering är en grundläggande del av det, säger Andrea Banino, en av DeepMind-teammedlemmarna.

Hans kollega Dharshan Kumaran säger att nästa steg är att få AI-agenterna att lära sig mer komplexa navigeringsfärdigheter. Vi tänker oss mer utmanande miljöer, säger han.

DeepMind har tidigare visat några anmärkningsvärda framsteg inom maskininlärning, inklusive program som kan lära sig att spela videospel, såväl som brädspel som Go och schack, med övermänsklig skicklighet. Dessa prestationer förlitade sig också på att träna mycket stora, eller djupa, artificiella neurala nätverk.

Enligt Demis Hassabis, medgrundare och VD för DeepMind, kan AI-forskning avslöja nya saker om hjärnan. Den mänskliga hjärnan är det enda existensbeviset vi har på att den typ av allmän intelligens vi försöker bygga till och med är möjlig, sa han i ett uttalande. Vi tror att denna inspiration bör vara en dubbelriktad gata, med insikter som också flödar tillbaka från AI-forskning för att belysa öppna frågor inom neurovetenskap.

Det är dock inte klart hur långt neurala nätverk, som är mycket förenklade representationer av biologi, kommer att ta oss för att förklara hjärnan. Flera neurovetare kontaktade av MIT Technology Review Observera att funktionen hos ett djupt neuralt nätverk inte är så mycket mer tolkbart än funktionen hos en biologisk hjärna.

Dölj