211service.com
Animal-AI Olympics kommer att behandla AI som en labbråtta
Ms. Tech; Bilder: Wikimedia commons
I en av Aesops fabler hittar en törstig kråka en kanna med en liten mängd vatten utom räckhåll för näbben. Efter att ha misslyckats med att trycka på kannan tappar kråkan ner småsten en efter en tills vattennivån stiger, vilket gör att fågeln kan ta en drink. För Aesop visade fabeln intelligensens överlägsenhet över brutal styrka.
Två och ett halvt årtusende senare kan vi kanske få se om AI kunde klara Aesops antika intelligenstest. I juni kommer forskare att träna algoritmer för att bemästra en uppsättning uppgifter som traditionellt har använts för att testa djurens kognition. Detta kommer att vara Djur-AI-OS , med en andel i en prispott på $10 000 som erbjuds.
Vanligtvis involverar AI-riktmärken att bemästra en enskild uppgift, som att slå en stormästare i Go eller ta reda på hur man lär sig ett videospel från grunden. AI har varit utomordentligt framgångsrik i sådana sfärer. Men när du använder samma AI-system på en helt annan uppgift är de i allmänhet hopplösa. Det är därför, i Animal-AI Olympics, samma agent kommer att utsättas för 100 tidigare osynliga uppgifter. Det som testas är inte en speciell typ av intelligens utan en enskild agents förmåga att anpassa sig till olika miljöer. Detta skulle visa på en begränsad form av generaliserad intelligens – en typ av sunt förnuft som AI kommer att behöva om den någonsin ska lyckas i våra hem eller i våra dagliga liv. Tävlingsarrangörerna accepterar att inget av AI-systemen kommer att kunna anpassa sig perfekt till alla omständigheter eller ge ett perfekt resultat. Men de hoppas att de bästa systemen kommer att kunna anpassa sig för att ta itu med de olika problem de står inför.
Animal-AI Olympics är skapandet av ett team av forskare vid Leverhulme Center for the Future of Intelligence i Cambridge, England, tillsammans med GoodAI, ett Pragbaserat forskningsinstitut. Tävlingen är en del av ett större projekt på Leverhulme Center som heter Typer av intelligens , som samlar ett tvärvetenskapligt team av djurkognitionsforskare, datavetare och filosofer för att överväga skillnaderna och likheterna mellan människors, djurs och mekaniska sätt att tänka. Och medan de flesta av uppgifterna vanligtvis används som intelligenstester för djur, kommer det också att hamna på tårna på mänskligt territorium: några av utmaningarna används för att testa kognition hos spädbarn och små barn. Gruppen hoppas kunna inkludera fler mänskliga kognitiva uppgifter i framtiden, mer komplexa versioner av utmaningen.
Istället för att be forskare bygga fysiska robotar, utvecklade Marta Halina, gruppens direktör, och hennes team en virtuell miljö skapad med programvaran Unity för videospelsutveckling. Installationen simulerar en labbtestmiljö för djurkognition, komplett med matbelöningar, väggar och rörliga föremål. Senare denna månad kommer denna simulerade lekplats, som Halina kallar den, att släppas till AI-gemenskapen, och forskare kommer att bjudas in för att utbilda agenter som kan navigera i den.
Agenterna kommer att vara datorsystem som kan agera autonomt i den här miljön, ungefär som AI-botarna som OpenAI och DeepMind har utvecklat för att tävla i spel som Dota och Starcraft. Tävlingsarrangörerna välkomnar alla typer av tillvägagångssätt för att bygga dessa agenter och förväntar sig att många kommer att välja förstärkningsinlärning. Men de hoppas också att forskare kommer att experimentera med nya metoder – särskilt vad de kallar det kognitiva tillvägagångssättet, som det som förespråkas av forskare som Josh Tenenbuam vid MIT, som involverar simulering av mänskliga (eller, i det här fallet, djur) problemlösningar och mentala problem bearbetning i en datoriserad modell.
I juni kommer forskare att lämna in sina agenter, och teamet vid Cambridge kommer att köra dem genom 100 tester uppdelade i 10 kategorier. Matthew Crosby, en postdoktor vid Leverhulme Center, säger att testerna i detta skede hålls hemliga, så att deltagarna inte kan lära agenterna specifika färdigheter innan tävlingen startar.
Testerna kommer att variera i svårighetsgrad. Vissa kan vara så grundläggande som att kräva att agenten hämtar mat från en miljö utan hinder. Svårare uppgifter kommer att kräva en förståelse för objektets beständighet – att veta att ett objekt fortfarande finns där även om det är dolt – och förmågan att göra en mental modell av en miljö för att navigera i den i mörkret.
Enligt Crosby är den mest utmanande aspekten av tävlingen att agenterna måste vara bra på alla tester över hela linjen: den vinnande agenten kommer att vara den som visar bra prestationer i genomsnitt, snarare än bara en förmåga att bemästra hårt. uppgifter. Det som testas är förmågan att snabbt anpassa sig till nya situationer eller översätta färdigheter från en typ av aktivitet till en annan, vilket är en bra indikator på allmän intelligens. För Crosby är denna typ av flexibilitet avgörande för att göra AI användbar i den verkliga världen.
Animal-AI Olympics är inte det första AI-forskningsprojektet som hämtar inspiration från djurintelligens. Radhika Nagpal, professor i datavetenskap vid Harvard, undersöker vad AI kan vinna på att studera den framväxande intelligensen som visas av fiskstim och fågelflockar. Och förra året Kiana Ehsani led ett team av forskare från University of Washington och Allen Institute for AI i att träna neurala nätverk för att, inom ett mycket begränsat antal uppgifter, tänka som en hund. Ehsani säger att hon skulle vara intresserad av att delta i Animal-AI Olympics och ser dess mål i linje med hennes egna.
Även om dessa projekt har nått viss framgång anses replikering av djurintelligens i beräkningsagenter fortfarande vara ett svårt problem. Som den banbrytande AI-forskaren Judea Pearl har sa , djurens kognitiva färdigheter – katters navigeringsförmåga, en hunds kusliga luktsinne, ormars knivskarpa syn – allt överträffar allt som kan göras i ett laboratorium. Denna biologiska intelligens är resultatet av hundratals miljoner år av evolution.
Jag tror att för att få AI att fungera lika intelligent som ett djur måste man bygga in en del av den medfödda strukturen i systemet, säger Anthony Zador, professor i neurovetenskap vid Cold Spring Harbor Laboratory. Hur du gör det är en svår fråga som ingen har svar på ännu.
En annan komplicerande faktor är att mätvärden för djurintelligens är ifrågasatta. I hans bok Är vi smarta nog att veta hur smarta djur är? Frans de Waal, chef för Yerkes National Primate Research Center vid Emory University, argumenterar att många tester bedömer mental kondition hos djur endast i kraft av hur lika de är människor. Så istället för att testa gränserna för deras naturliga beteenden, tränar vi djur att utföra mänskliga uppgifter.
Detta beror delvis på att ackrediterade vetenskapliga experiment i djurkognition måste ske i labbet, långt borta från ett djurs naturliga miljö. Animal-AI Olympics lägger till ytterligare ett lager av abstraktion från den verkliga världen genom att simulera labbmiljöer på datorn, vilket eliminerar inte bara den naturliga miljön utan den förkroppsligade upplevelsen av djurlivet.
Crosby erkänner att det finns begränsningar i att använda tester från djurintelligens till benchmarking av AI-kapacitet. Men han säger att projektet handlar mer om att utforska skillnaderna mellan sinnen än att försöka bevisa likvärdighet mellan artificiell och biologisk kognition. Han hoppas verkligen att det belyser hur våra egna hjärnor fungerar, samt att testa det bästa inom AI.
Det vi faktiskt är intresserade av är att upptäcka hur man kan översätta mellan olika typer av intelligens, säger han. Om en del av det vi lär oss är där den här översättningen misslyckas, är det en framgång för oss.