นักวิจัยมองหาสัตว์ในการให้ความฉลาดร่วมสำหรับระบบการเรียนรู้แบบเสริมกำลัง

นักวิจัยด้านปัญญาประดิษฐ์จากสถาบันเช่น Imperial College London, University of Cambridge และ Google DeepMind กำลังมองหาสัตว์เป็นแรงบันดาลใจในการปรับปรุงประสิทธิภาพของระบบการเรียนรู้แบบเสริมกำลัง ในบทความวิจัยร่วมกันที่ตีพิมพ์ใน CellPress Reviews ซึ่งมีชื่อว่า “ปัญญาประดิษฐ์และความฉลาดร่วมของสัตว์” นักวิจัยเหล่านี้แย้งว่าการรับรู้ของสัตว์ให้มาเป็นมาตรฐานและวิธีการประเมินที่มีประโยชน์สำหรับตัวแทนการเรียนรู้แบบเสริมกำลัง และยังสามารถให้ข้อมูลในการออกแบบงานและสภาพแวดล้อม

นักวิจัยและวิศวกรด้านปัญญาประดิษฐ์มองหาคำตอบจากเครือข่ายประสาทชีวภาพมาโดยตลอดเมื่อออกแบบอัลกอริทึม โดยใช้หลักการจากวิทยาศาสตร์ประพฤติและประสาทวิทยาศาสตร์ในการกำหนดโครงสร้างของอัลกอริทึม แต่สัญญาณที่นักวิจัยด้านปัญญาประดิษฐ์ใช้จากสาขาประสาทวิทยาศาสตร์และวิทยาศาสตร์ประพฤติมักจะมาจากมนุษย์ โดยที่การรับรู้ของเด็กและทารกเป็นจุดสนใจหลัก นักวิจัยด้านปัญญาประดิษฐ์ยังไม่ได้รับแรงบันดาลใจจากแบบจำลองสัตว์มากนัก แต่การรับรู้ของสัตว์เป็นทรัพยากรที่ยังไม่ได้ถูกใช้ซึ่งอาจนำไปสู่การ突破ที่สำคัญในพื้นที่การเรียนรู้แบบเสริมกำลัง

ระบบการเรียนรู้แบบเสริมกำลังแบบลึกได้รับการฝึกผ่านกระบวนการลองผิดลองถูก โดยมีการให้รางวัลเมื่อตัวแทนการเรียนรู้แบบเสริมกำลังเข้าใกล้การบรรลุวัตถุประสงค์ที่ต้องการ ซึ่งคล้ายกับการสอนสัตว์ให้ทำงานที่ต้องการโดยใช้อาหารเป็นรางวัล นักชีววิทยาและผู้เชี่ยวชาญด้านการรับรู้ของสัตว์ได้ทำการทดลองมากมายในการประเมินความสามารถในการรับรู้ของสัตว์ต่างๆ รวมถึงสุนัข หมี สัตว์ป่า หมู วัว ค้างคาว แมว หนู ช้าง และปลาหมึก สัตว์หลายชนิดแสดงให้เห็นถึงความฉลาดที่น่าประทับใจ และบางชนิด เช่น ช้างและปลาโลมา อาจมีทฤษฎีของจิตใจ

การตรวจสอบผลงานวิจัยเกี่ยวกับการรับรู้ของสัตว์อาจกระตุ้นนักวิจัยด้านปัญญาประดิษฐ์ให้พิจารณาปัญหาจากมุมมองที่แตกต่างกัน เมื่อการเรียนรู้แบบเสริมกำลังแบบลึกมีความสามารถและซับซ้อนมากขึ้น นักวิจัยด้านปัญญาประดิษฐ์ที่เชี่ยวชาญในสาขานี้กำลังมองหาวิธีการทดสอบความสามารถในการรับรู้ของตัวแทนการเรียนรู้แบบเสริมกำลังในหลายๆ ด้าน ในบทความวิจัยทีมวิจัยอ้างถึงการทดลองที่ทำกับไพรเมตและนก โดยกล่าวว่าต้องการออกแบบระบบที่สามารถทำได้เหมือนกับงานเหล่านั้น โดยให้ปัญญาประดิษฐ์มี “ความฉลาดร่วม”某种类型 ตามที่ผู้เขียนบทความวิจัยกล่าวไว้ พวกเขาสนับสนุนแนวทางที่ตัวแทนการเรียนรู้แบบเสริมกำลัง โดยอาจมีสถาปัตยกรรมที่ยังไม่ได้พัฒนา จะได้รับสิ่งที่จำเป็นผ่านการโต้ตอบที่ยาวนานกับสภาพแวดล้อมเสมือนจริงที่มีความหลากหลาย

ตามรายงานของ VentureBeat นักวิจัยด้านปัญญาประดิษฐ์ให้เหตุผลว่าความฉลาดร่วมไม่ใช่ลักษณะพิเศษของมนุษย์ และขึ้นอยู่กับการเข้าใจคุณสมบัติพื้นฐานของโลก เช่น วัตถุหนึ่งยึดพื้นที่และพื้นที่ใดๆ และการเข้าใจสาเหตุและผลที่ตามมา สัตว์แสดงลักษณะเหล่านี้ใน实验室 ตัวอย่างเช่น ค้างคาวเข้าใจว่าวัตถุเป็นของถาวร เนื่องจากพวกมันสามารถค้นหาพืชได้แม้ว่าจะถูกปิดบังด้วยวัตถุอื่นก็ตาม

เพื่อให้ระบบการเรียนรู้แบบเสริมกำลังมีคุณสมบัติเหล่านี้ นักวิจัยให้เหตุผลว่าพวกเขาจะต้องสร้างงานที่เมื่อรวมกับสถาปัตยกรรมที่เหมาะสม จะสร้างตัวแทนการเรียนรู้แบบเสริมกำลังที่สามารถถ่ายทอดหลักการได้ นักวิจัยให้เหตุผลว่าการฝึกอบรมสำหรับแบบจำลองดังกล่าวควรใช้เทคนิคที่ต้องการให้ตัวแทนการเรียนรู้แบบเสริมกำลังเข้าใจแนวคิดหลังจากได้รับตัวอย่างเพียงไม่กี่ตัวอย่าง ซึ่งเรียกว่าการฝึกอบรมแบบ few-shot นี่เป็นความแตกต่างจากการทดลองและข้อผิดพลาดแบบดั้งเดิมที่ต้องใช้การทดลองหลายร้อยหรือหลายพันครั้ง

ทีมวิจัยอธิบายต่อไปว่าในขณะที่ตัวแทนการเรียนรู้แบบเสริมกำลังสมัยใหม่บางตัวสามารถเรียนรู้เพื่อแก้ปัญหาหลายอย่าง ซึ่งบางอย่างต้องใช้การถ่ายทอดหลักการ แต่ก็ไม่ชัดเจนว่าตัวแทนการเรียนรู้แบบเสริมกำลังสามารถเรียนรู้แนวคิดที่เป็นนามธรรม เช่น “ความฉลาดร่วม” ได้หรือไม่ หากมีตัวแทนการเรียนรู้แบบเสริมกำลังที่อาจเรียนรู้แนวคิดดังกล่าว พวกเขาจะต้องมีการทดสอบที่สามารถระบุได้ว่าตัวแทนการเรียนรู้แบบเสริมกำลังเข้าใจแนวคิดเรื่องภาชนะหรือไม่

DeepMind โดยเฉพาะอย่างยิ่ง ตื่นเต้นที่จะร่วมมือกับวิธีการใหม่ๆ ในการพัฒนาและทดสอบตัวแทนการเรียนรู้แบบเสริมกำลัง เมื่อเร็วๆ นี้ ในการประชุม Stanford HAI ที่จัดขึ้นในช่วงต้นเดือนตุลาคม Matthew Botvinick หัวหน้าฝ่ายวิจัยประสาทวิทยาศาสตร์ของ DeepMind ขอให้นักวิจัยและวิศวกรด้านการเรียนรู้ของเครื่องจักรร่วมมือกันมากขึ้นในสาขาวิทยาศาสตร์อื่นๆ Botvinick เน้นย้ำถึงความสำคัญของการทำงานร่วมกันระหว่างนักจิตวิทยาและประสาทวิทยาศาสตร์สำหรับสาขาปัญญาประดิษฐ์ ในการบรรยายที่ชื่อว่า “Triangulating Intelligence: Melding Neuroscience, Psychology, and AI”