Badacze nadają sztucznej inteligencji robotów spontaniczne zachowania

Badacze i robotycy nieustannie starają się osiągnąć autonomiczne funkcje w robotach i często szukają inspiracji w mózgu zwierząt dla mechanizmów sterowania. Ze względu na specyfikę zadań w zachowaniu robotów, wynikającą z uzależnienia od predefiniowanych modułów i metodologii sterowania, często są one ograniczone pod względem elastyczności.

Najnowszy rozwój w tej dziedzinie pochodzi z Uniwersytetu Tokijskiego, gdzie badacze stworzyli alternatywną metodę opartą na uczeniu maszynowym, aby nadać sztucznej inteligencji robotów spontaniczne zachowania. Zespół osiągnął to, opierając się na złożonych wzorach czasowych, takich jak aktywność neuronalna mózgu zwierząt.

Badania zostały opublikowane w Science Advances, pod tytułem “Designing spontaneous behavioral switching via chaotic itinerancy.”

Chaotyczny zamęt wysokiej wymiarowości

Układ dynamiczny to model matematyczny ciągle zmieniających się stanów wewnętrznych czegoś, który opisuje roboty i ich oprogramowanie sterujące. Badacze koncentrują się szczególnie na chaotycznym zamęcie wysokiej wymiarowości, klasie układów dynamicznych, ze względu na jego imponującą zdolność do modelowania mózgu zwierząt.

Ze względu na złożoność i wrażliwość na różne warunki początkowe, chaotyczny zamęt wysokiej wymiarowości jest szczególnie trudny do kontrolowania. Aby rozwinąć tę dziedzinę i pokonać tę przeszkodę, badacze z Laboratorium Systemów Inteligentnych i Informatyki oraz Centrum Badań nad Sztuczną Inteligencją Następnej Generacji na Uniwersytecie Tokijskim opracowali nowe sposoby wykorzystania chaotycznego zamętu wysokiej wymiarowości, aby nadać robotom funkcje poznawcze podobne do ludzkich.

Katsuma Inoue jest doktorantem pracującym nad tym badaniem.

Istnieje aspekt chaotycznego zamętu wysokiej wymiarowości zwany chaotyczną wędrówką (CI), który może wyjaśnić aktywność mózgu podczas przypominania i skojarzeń”, powiedział Inoue. “W robotyce CI jest kluczowym narzędziem do wdrażania spontanicznych wzorców zachowań. W tym badaniu proponujemy receptę na wdrożenie CI w prosty i systematyczny sposób, wykorzystując tylko skomplikowane wzory czasowe generowane przez chaotyczny zamęt wysokiej wymiarowości. Uważamy, że nasze podejście ma potencjał dla bardziej solidnych i wszechstronnych zastosowań w projektowaniu architektur poznawczych. Pozwala nam na projektowanie spontanicznych zachowań bez predefiniowanych struktur w kontrolerze, co byłoby przeszkodą”.

Czym jest obliczeniowa rezerwa (RC)?

Zespół opierał się głównie na obliczeniowej rezerwie (RC), technice uczenia maszynowego opartej na teorii układów dynamicznych. RC jest używana do sterowania sieciami neuronowymi o powtarzalnych połączeniach (RNN) i utrzymuje większość połączeń RNN w stanie niezmienionym, zmieniając tylko kilka parametrów. Jest to odmienne od innych podejść do uczenia maszynowego, które często nieznacznie zmieniają wszystkie połączenia neuronowe w sieci neuronowej, co skutkuje szybszym treningiem systemu.

Badacze osiągnęli pożądany wynik, stosując zasady RC do chaotycznej RNN, co skutkowało wykazaniem spontanicznych wzorców zachowań. Trening sieci odbywa się szybko i przed wykonaniem.

Mózgi zwierząt wykazują chaotyczny zamęt wysokiej wymiarowości w swojej aktywności, ale nie wiadomo jeszcze, jak i dlaczego wykorzystują ten zamęt. Nasz proponowany model może dostarczyć wglądu w to, jak chaotyczny zamęt przyczynia się do przetwarzania informacji w naszym mózgu”, powiedział Kohei Nakajima, associate professor na uniwersytecie. “Ponadto nasza recepta może mieć szerszy wpływ poza dziedziną neurologii, ponieważ może być stosowana w innych chaotycznych systemach. Na przykład, urządzenia neuromorficzne następnej generacji, inspirowane biologicznymi neuronami, mogą wykazywać chaotyczny zamęt wysokiej wymiarowości i będą idealnymi kandydatami do wdrożenia naszej recepty. Mam nadzieję, że zobaczymy sztuczne implementacje funkcji mózgu wkrótce.”

Rozwój ten jest istotny dla dziedzin robotyki i sztucznej inteligencji (AI), ponieważ badacze zajmowali się tym wyzwaniem przez jakiś czas. Jest to najnowszy przykład tego, jak te dziedziny rozwijają się w szybkim tempie.