Ερευνητές Παρέχουν Σποντανή Συμπεριφορά σε Ρομποτικά Συστήματα AI

Οι ερευνητές και οι ρομποτιστές προσπαθούν συνεχώς να επιτύχουν αυτονομικές λειτουργίες σε ρομπότ, και συχνά κοιτάζουν προς τον εγκέφαλο των ζώων ως σημείο έμπνευσης για τους μηχανισμούς ελέγχου. Λόγω του task-ειδικού χαρακτήρα της ρομποτικής συμπεριφοράς, λόγω της εξάρτησης από προκαθορισμένα μοντέλα και μεθόδους ελέγχου, συχνά είναι περιορισμένα σε ευελιξία.

Η τελευταία εξέλιξη σε αυτόν τον τομέα προέρχεται από το Πανεπιστήμιο του Τόκιο, όπου ερευνητές έχουν δημιουργήσει μια εναλλακτική μέθοδο βασισμένη στο machine learning για να παρέχουν σποντανή συμπεριφορά σε ρομποτικά συστήματα AI. Η ομάδα αυτή το έπραξε βασίζοντας się σε περίπλοκες χρονικές προτυπώσεις, όπως οι νευρικές δραστηριότητες του εγκεφάλου των ζώων.

Η έρευνα δημοσιεύθηκε στο Science Advances, με τίτλο “Σχεδιασμός σποντανής συμπεριφοράς μέσω χαοτικής ιτερανότητας.”

Χαοτική Συμπεριφορά Υψηλής Διαστάσεων

Ένα δυναμικό σύστημα είναι ένα μαθηματικό μοντέλο των διαρκώς μεταβαλλόμενων εσωτερικών καταστάσεων κάτι, το οποίο περιγράφει τα ρομπότ και το λογισμικό ελέγχου τους. Οι ερευνητές εστιάζουν ιδιαίτερα στη χαοτική συμπεριφορά υψηλής διαστάσεων, μια κατηγορία δυναμικών συστημάτων, λόγω της εντυπωσιακής ικανότητας τους να μοντελοποιούν τον εγκέφαλο των ζώων.

Λόγω της πολυπλοκότητας και της ευαισθησίας στις μεταβαλλόμενες αρχικές συνθήκες, η χαοτική συμπεριφορά υψηλής διαστάσεων είναι ιδιαίτερα δύσκολο να ελεγχθεί. Για να προωθήσουν το πεδίο και να ξεπεράσουν αυτό το εμπόδιο, ερευνητές από το Εργαστήριο Ευφυών Συστημάτων και Πληροφορικής και το Κέντρο Έρευνας Τεχνητής Νοημοσύνης της Επόμενης Γενιάς στο Πανεπιστήμιο του Τόκιο, έχουν αναπτύξει νέους τρόπους για να χρησιμοποιήσουν τη χαοτική συμπεριφορά υψηλής διαστάσεων για να παρέχουν στα ρομπότ γνωστικές λειτουργίες παρόμοιες με αυτές των ανθρώπων.

Ο Katsuma Inoue είναι ένας διδακτορικός φοιτητής που εργάζεται στην έρευνα.

“Υπάρχει ένα χαρακτηριστικό της χαοτικής συμπεριφοράς υψηλής διαστάσεων που ονομάζεται χαοτική ιτερανότητα (CI) που μπορεί να εξηγήσει τη δραστηριότητα του εγκεφάλου κατά την ανάκληση μνημών και την σύνδεση,” είπε ο Inoue. “Στη ρομποτική, η CI έχει sido ένα βασικό εργαλείο για την εφαρμογή σποντανών συμπεριφορών. Σε αυτή τη μελέτη, προτείνουμε μια συνταγή για την εφαρμογή της CI με ένα απλό και συστηματικό τρόπο, χρησιμοποιώντας μόνο περίπλοκες χρονικές προτυπώσεις που παράγονται από τη χαοτική συμπεριφορά υψηλής διαστάσεων. Νιώθουμε ότι η προσέγγισή μας έχει δυνατότητες για πιο robust και ποικίλες εφαρμογές όταν πρόκειται για το σχεδιασμό γνωστικών αρχιτεκτονικών. Επιτρέπει μας να σχεδιάζουμε σποντανές συμπεριφορές χωρίς κανένα προκαθορισμένο ρητό δομή στο controller, το οποίο θα ήταν αλλιώς ένα εμπόδιο.”

Τι είναι η Reservoir Computing (RC);

Η ομάδα βασίστηκε πολύ στη Reservoir Computing (RC), μια τεχνική machine learning που εμπλέκει τη θεωρία δυναμικών συστημάτων. Η RC χρησιμοποιείται για τον έλεγχο των αναδρομικών νευρωνικών δικτύων (RNNs) και διατηρεί τις περισσότερες συνδέσεις ενός RNN σταθερές, ενώ αλλάζει μόνο quelques παραμέτρους. Αυτό διαφέρει από άλλες προσεγγίσεις machine learning, οι οποίες συχνά αλλάζουν ελαφρά όλες τις νευρικές συνδέσεις σε ένα νευρωνικό δίκτυο, και οδηγεί στο σύστημα να μπορεί να εκπαιδευτεί πιο γρήγορα.

Οι ερευνητές πέτυχαν το επιθυμητό αποτέλεσμα όταν εφαρμόστηκαν οι αρχές της RC σε ένα χαοτικό RNN, και αυτό τελικά επέδειξε σποντανές συμπεριφορές. Η εκπαίδευση του δικτύου συμβαίνει γρήγορα και πριν από την εκτέλεση.

“Οι εγκέφαλοι των ζώων παρουσιάζουν χαοτική συμπεριφορά υψηλής διαστάσεων στις δραστηριότητές τους, αλλά το πώς και το γιατί χρησιμοποιούν τη χαοτική συμπεριφορά παραμένει ανεξήγητο. Το προτεινόμενο μοντέλο μας θα μπορούσε να προσφέρει έμπνευση για το πώς η χαοτική συμπεριφορά συμβάλλει στην επεξεργασία πληροφοριών στον εγκέφαλο μας,” είπε ο Kohei Nakajima, một αναπληρωτής καθηγητής στο πανεπιστήμιο. “Επίσης, η συνταγή μας θα είχε μια ευρύτερη επίδραση έξω από το πεδίο της νευροεπιστήμης, поскольку θα μπορούσε να εφαρμοστεί σε άλλα χαοτικά συστήματα επίσης. Για παράδειγμα, οι επόμενης γενιάς neuromorphic συσκευές που εμπνέονται από τους βιολογικούς νευρώνες θα μπορούσαν να παρουσιάσουν χαοτική συμπεριφορά υψηλής διαστάσεων και θα ήταν εξαιρετικοί υποψήφιοι για την εφαρμογή της συνταγής μας. Ελπίζω ότι θα δούμε τεχνητές εφαρμογές των λειτουργιών του εγκεφάλου πριν太 lâu.”

Η εξέλιξη αυτή είναι σημαντική για τα πεδία της ρομποτικής και της τεχνητής νοημοσύνης (AI), поскольку οι ερευνητές έχουν αντιμετωπίζει αυτή την πρόκληση για κάποιο χρόνο. Είναι το πιο πρόσφατο παράδειγμα του πώς τα πεδία αυτά προχωρούν με γρήγορο ρυθμό.