I ricercatori si rivolgono agli animali per dare ai sistemi di apprendimento per rinforzo il buon senso

I ricercatori di intelligenza artificiale di istituti come l’Imperial College di Londra, l’Università di Cambridge e Google DeepMind stanno cercando ispirazione negli animali per migliorare le prestazioni dei sistemi di apprendimento per rinforzo. In un articolo congiunto pubblicato su CellPress Reviews, intitolato “Intelligenza artificiale e buon senso degli animali”, i ricercatori sostengono che la cognizione animale fornisce utili punti di riferimento e metodi di valutazione per gli agenti di apprendimento per rinforzo e può anche informare la progettazione di compiti e ambienti.

I ricercatori e gli ingegneri di intelligenza artificiale hanno a lungo cercato ispirazione nelle reti neurali biologiche quando progettano algoritmi, utilizzando principi della scienza del comportamento e delle neuroscienze per informare la struttura degli algoritmi. Tuttavia, la maggior parte degli spunti che i ricercatori di intelligenza artificiale prendono dai campi della neuroscienza e della scienza del comportamento si basano sugli esseri umani, con la cognizione dei bambini e dei neonati che serve come punto di riferimento. I ricercatori di intelligenza artificiale non hanno ancora tratto molta ispirazione dai modelli animali, ma la cognizione animale è una risorsa inesplorata che ha il potenziale di portare a importanti innovazioni nello spazio dell’apprendimento per rinforzo.

I sistemi di apprendimento per rinforzo profondo sono addestrati attraverso un processo di prova ed errore, rinforzati con ricompense ogni volta che un agente di apprendimento per rinforzo si avvicina al completamento di un obiettivo desiderato. Ciò è molto simile all’insegnamento di un animale a eseguire un compito desiderato utilizzando il cibo come ricompensa. I biologi e gli specialisti della cognizione animale hanno condotto molti esperimenti per valutare le capacità cognitive di una varietà di animali diversi, tra cui cani, orsi, scoiattoli, maiali, corvi, delfini, gatti, topi, elefanti e polpi. Molti animali esibiscono impressionanti dimostrazioni di intelligenza e alcuni animali come gli elefanti e i delfini potrebbero anche avere una teoria della mente.

Esaminare il corpo di ricerca relativo alla cognizione animale potrebbe ispirare i ricercatori di intelligenza artificiale a considerare problemi da diverse angolazioni. Poiché l’apprendimento per rinforzo profondo è diventato più potente e sofisticato, i ricercatori di intelligenza artificiale specializzati in questo campo stanno cercando nuovi modi per testare le capacità cognitive degli agenti di apprendimento per rinforzo. Nell’articolo di ricerca, il team di ricerca fa riferimento ai tipi di esperimenti condotti con primati e uccelli, menzionando che mirano a progettare sistemi in grado di eseguire compiti simili, dando a un’intelligenza artificiale una sorta di “buon senso”. Secondo gli autori dell’articolo, essi “sostengono un approccio in cui gli agenti di apprendimento per rinforzo, forse con architetture ancora non sviluppate, acquisiscono ciò che è necessario attraverso un’interazione estesa con ambienti virtuali ricchi.”

Come riportato da VentureBeat, i ricercatori di intelligenza artificiale sostengono che il buon senso non è una caratteristica unica degli esseri umani e che dipende dalla comprensione delle proprietà fondamentali del mondo fisico, come il modo in cui un oggetto occupa uno spazio e un punto, quali sono le limitazioni dei suoi movimenti e un apprezzamento per la causa e l’effetto. Gli animali mostrano queste caratteristiche negli studi di laboratorio. Ad esempio, i corvi capiscono che gli oggetti sono cose permanenti, poiché sono in grado di recuperare i semi anche quando il seme è nascosto da un altro oggetto.

Per dotare un sistema di apprendimento per rinforzo di queste proprietà, i ricercatori sostengono che sarà necessario creare compiti che, abbinati all’architettura giusta, creeranno agenti in grado di trasferire principi appresi ad altri compiti. I ricercatori sostengono che l’addestramento per un tale modello dovrebbe coinvolgere tecniche che richiedono a un agente di acquisire la comprensione di un concetto dopo essere stato esposto solo a pochi esempi, chiamato addestramento a pochi colpi. Ciò è in contrasto con le centinaia o migliaia di prove che normalmente vengono utilizzate nell’addestramento per prova ed errore di un agente di apprendimento per rinforzo.

Il team di ricerca spiega inoltre che, sebbene alcuni agenti di apprendimento per rinforzo moderni possano imparare a risolvere più compiti, alcuni dei quali richiedono il trasferimento di principi appresi, non è chiaro se gli agenti di apprendimento per rinforzo possano imparare un concetto così astratto come il “buon senso”. Se ci fosse un agente potenzialmente in grado di imparare un tale concetto, avrebbero bisogno di test in grado di stabilire se un agente di apprendimento per rinforzo comprende il concetto di un contenitore.

DeepMind in particolare è entusiasta di impegnarsi in nuovi e diversi modi di sviluppare e testare gli agenti di apprendimento per rinforzo. Recentemente, alla conferenza Stanford HAI che si è svolta all’inizio di ottobre, il capo della ricerca neuroscientifica di DeepMind, Matthew Botvinick, ha esortato i ricercatori e gli ingegneri di apprendimento automatico a collaborare di più in altri campi della scienza. Botvinick ha sottolineato l’importanza del lavoro interdisciplinare con gli psicologi e le neuroscienze per il campo dell’intelligenza artificiale in un discorso intitolato “Triangolando l’intelligenza: fondendo neuroscienze, psicologia e intelligenza artificiale”.