Peneliti Mencari Inspirasi dari Hewan untuk Meningkatkan Sistem Pembelajaran Penguatan

Peneliti kecerdasan buatan dari institusi seperti Imperial College London, University of Cambridge, dan Google DeepMind mencari inspirasi dari hewan untuk meningkatkan kinerja sistem pembelajaran penguatan. Dalam sebuah makalah bersama yang diterbitkan di CellPress Reviews, berjudul “Kecerdasan Buatan dan Kesadaran Hewan”, para peneliti berargumentasi bahwa kognisi hewan menyediakan benchmark dan metode evaluasi yang berguna untuk agen pembelajaran penguatan dan juga dapat mempengaruhi perancangan tugas dan lingkungan.

Peneliti kecerdasan buatan dan insinyur telah lama mencari inspirasi dari jaringan saraf biologis ketika merancang algoritma, menggunakan prinsip-prinsip dari ilmu perilaku dan neurosains untuk mempengaruhi struktur algoritma. Namun, sebagian besar petunjuk yang diambil peneliti kecerdasan buatan dari bidang neurosains/ilmu perilaku didasarkan pada manusia, dengan kognisi anak-anak dan bayi yang menjadi fokus utama. Peneliti kecerdasan buatan belum banyak mengambil inspirasi dari model hewan, tetapi kognisi hewan adalah sumber daya yang belum dimanfaatkan yang memiliki potensi untuk menghasilkan temuan penting di ruang pembelajaran penguatan.

Sistem pembelajaran penguatan dalam mendalam dilatih melalui proses trial dan error, diperkuat dengan hadiah setiap kali agen pembelajaran penguatan mendekati penyelesaian tujuan yang diinginkan. Ini sangat mirip dengan mengajar hewan untuk melakukan tugas yang diinginkan dengan menggunakan makanan sebagai hadiah. Ahli biologi dan spesialis kognisi hewan telah melakukan banyak eksperimen untuk menilai kemampuan kognitif berbagai hewan, termasuk anjing, beruang, tupai, babi, gagak, lumba-lumba, kucing, tikus, gajah, dan gurita. Banyak hewan menunjukkan kemampuan inteligensi yang mengesankan, dan beberapa hewan seperti gajah dan lumba-lumba mungkin bahkan memiliki teori tentang pikiran.

Memandang tubuh penelitian tentang kognisi hewan mungkin dapat menginspirasi peneliti kecerdasan buatan untuk mempertimbangkan masalah dari sudut pandang yang berbeda. Ketika pembelajaran penguatan dalam mendalam menjadi lebih kuat dan canggih, peneliti kecerdasan buatan yang berspesialisasi di bidang ini mencari cara baru untuk menguji kemampuan kognitif agen pembelajaran penguatan. Dalam makalah penelitian, tim peneliti merujuk pada jenis eksperimen yang dilakukan dengan primata dan burung, menyebutkan bahwa mereka bertujuan untuk merancang sistem yang mampu menyelesaikan tugas serupa, memberikan kecerdasan buatan jenis “kesadaran umum”. Menurut penulis makalah, mereka “menganjurkan pendekatan di mana agen RL, mungkin dengan arsitektur yang belum dikembangkan, memperoleh apa yang diperlukan melalui interaksi yang diperpanjang dengan lingkungan virtual yang kaya”.

Seperti yang dilaporkan oleh VentureBeat, peneliti kecerdasan buatan berargumentasi bahwa kesadaran umum bukanlah sifat yang unik bagi manusia dan bahwa itu bergantung pada pemahaman tentang sifat dasar dunia fisik, seperti bagaimana sebuah objek menduduki titik dan ruang, apa batasan gerakan objek tersebut, dan apresiasi terhadap sebab dan akibat. Hewan menunjukkan sifat-sifat ini dalam studi laboratorium. Misalnya, gagak memahami bahwa objek adalah hal yang permanen, karena mereka dapat mengambil biji bahkan ketika biji tersebut disembunyikan dari mereka, ditutupi oleh objek lain.

Untuk memberikan sistem pembelajaran penguatan dengan sifat-sifat ini, para peneliti berargumentasi bahwa mereka perlu membuat tugas yang, ketika dipasangkan dengan arsitektur yang tepat, akan menciptakan agen yang mampu mentransfer prinsip yang dipelajari ke tugas lain. Para peneliti berargumentasi bahwa pelatihan untuk model seperti itu harus melibatkan teknik yang memerlukan agen untuk memperoleh pemahaman tentang konsep setelah hanya beberapa contoh, yang disebut pelatihan beberapa contoh. Ini berbeda dengan ratusan atau ribuan trial yang biasanya digunakan dalam pelatihan trial dan error agen RL.

Tim peneliti menjelaskan bahwa meskipun beberapa agen RL modern dapat belajar untuk menyelesaikan beberapa tugas, beberapa di antaranya memerlukan transfer prinsip yang dipelajari, tidak jelas bahwa agen RL dapat belajar konsep yang abstrak seperti “kesadaran umum”. Jika ada agen yang berpotensi dapat belajar konsep seperti itu, mereka akan memerlukan tes yang dapat menentukan apakah agen RL memahami konsep tentang wadah.

DeepMind khususnya sangat antusias untuk terlibat dengan cara-cara baru dan berbeda dalam mengembangkan dan menguji agen pembelajaran penguatan. Baru-baru ini, pada konferensi Stanford HAI yang diadakan awal Oktober, kepala penelitian neurosains DeepMind, Matthew Botvinick, mendesak peneliti dan insinyur kecerdasan buatan untuk berkolaborasi lebih banyak dengan bidang sains lain. Botvinick menekankan pentingnya kerja sama antardisiplin dengan psikolog dan neurosains untuk bidang kecerdasan buatan dalam sebuah ceramah berjudul “Triangulating Intelligence: Melding Neuroscience, Psychology, and AI”.