Araştırmacılar Takviye Öğrenme Sistemlerine Ortak Sağduyu Kazandırmak İçin Hayvanlara Bakıyorlar

İmparatorluk Koleji Londra, Cambridge Üniversitesi ve Google DeepMind’den AI araştırmacıları, takviye öğrenme sistemlerinin performansını iyileştirmek için nasıl ilham alabileceklerini öğrenmek için hayvanlara bakıyorlar. CellPress Reviews’de yayınlanan ortak bir makalede, araştırmacılar, hayvan bilişinin takviye öğrenme ajanları için yararlı referanslar ve değerlendirme yöntemleri sağladığını ve aynı zamanda görevlerin ve ortamların mühendisliğini bilgilendirebileceğini savunuyorlar.

AI araştırmacıları ve mühendisleri uzun süredir biyolojik sinir ağlarından ilham alıyor ve algoritmaları tasarlamak için davranış bilimi ve nörobilimin prensiplerini kullanıyorlar. Ancak AI araştırmacılarının nörobilim/behavior bilim alanlarından aldıkları ipuçlarının çoğu, insanlara dayalıdır ve genç çocukların ve bebeklerin bilişinin odak noktası olarak hizmet ediyor. AI araştırmacıları, hayvan modellerinden çok fazla ilham almadılar, ancak hayvan bilişi, takviye öğrenme alanında önemli atılımlara yol açabilecek bir kaynak olarak duruyor.

Derin takviye öğrenme sistemleri, bir dizi deneme yanılma süreci aracılığıyla eğitilir ve bir takviye öğrenme ajanı bir arzulanan hedefe ulaştıkça ödüllendirilir. Bu, bir hayvana istenen bir görevi öğretmek için yiyecek olarak kullanılan bir ödülle çok benzer. Biyologlar ve hayvan biliş uzmanları, köpekler, ayılar, sincaplar, domuzlar, kargalar, yunuslar, kediler, fareler, filler ve ahtapotlar dahil çeşitli hayvanların bilişsel yeteneklerini değerlendiren birçok deney yaptı. Hayvan bilişi üzerine yapılan araştırmalar, birçok hayvanın etkileyici zekâ gösterilerini ortaya koyuyor ve bazı hayvanlar, filler ve yunuslar gibi, akıl kuramı gibi yeteneklere sahip olabilir.

Hayvan bilişi üzerine yapılan araştırmalara bakmak, AI araştırmacılarını farklı açılardan sorunlara yaklaşmaya teşvik edebilir. Derin takviye öğrenme daha güçlü ve sofistike hale geldikçe, AI araştırmacıları, takviye öğrenme ajanlarının bilişsel yeteneklerini test etmek için yeni yollar arıyorlar. Araştırma makalesinde, araştırma ekibi, primatlar ve kuşlar üzerinde yapılan deneylere atıfta bulunarak, benzer görevleri gerçekleştirebilecek sistemler tasarlamayı hedeflediklerini belirtiyorlar ve bir AI’ya bir tür “ortak sağduyu” kazandırmayı amaçlıyorlar. Makaledeki yazarlara göre, “henüz geliştirilmemiş mimarilerle RL ajanlarının, zengin sanal ortamlarla uzun süreli etkileşim yoluyla gerekli şeyleri edinebileceğini savunuyoruz.”

VentureBeat’in raporuna göre, AI araştırmacıları, ortak sağduyunun yalnızca insanların özel bir özelliği olmadığını ve temel fiziksel dünya özelliklerinin anlaşılmasına bağlı olduğunu savunuyorlar. Hayvanlar, laboratuvar çalışmalarında bu özellikleri gösteriyorlar. Örneğin, kargalar nesnelerin kalıcı şeyler olduğunu anlıyorlar, çünkü bir nesneyi başka bir nesneyle örttüğümüzde bile tohumları geri getirebiliyorlar.

AI araştırmacıları, bu özelliklere sahip bir takviye öğrenme sistemini yaratmak için, doğru mimariyle birleştirildiğinde ajanların öğrenilen ilkeleri diğer görevlere aktarabilen görevler yaratmaları gerektiğini savunuyorlar. Araştırmacılar, böyle bir modelin eğitimi, bir ajanın yalnızca birkaç örneğe maruz kaldıktan sonra bir kavramı anlamasını gerektiren az-shot eğitim tekniklerini içermelidir. Bu, geleneksel olarak bir RL ajanının deneme yanılma eğitimi için kullanılan yüzlerce veya binlerce denemeden farklıdır.

Araştırma ekibi, bazı modern RL ajanlarının birden fazla görevi çözebileceğini, ancak bunların “ortak sağduyu” gibi soyut bir kavramı öğrenip öğrenemeyeceğinin belli olmadığını belirtiyor. Böyle bir kavramı öğrenmeye khảilli bir ajan olsaydı, bir kapalı kavramını anladığından emin olmak için yeterli testlere ihtiyaç duyulacaktı.

DeepMind, özellikle yeni ve farklı yollarla takviye öğrenme ajanlarını geliştirmek ve test etmek için heyecan duyuyor. Geçtiğimiz Ekim ayında gerçekleşen Stanford HAI konferansında, DeepMind’in nörobilim araştırma başkanı Matthew Botvinick, makine öğrenimi araştırmacıları ve mühendislerine diğer bilim alanlarında daha fazla işbirliği yapmaları gerektiğini savundu. Botvinick, AI alanındaki psikologlar ve nörobilimle disiplinler arası çalışmanın önemini “Zekâyı Üçgenlemek: Nörobilimi, Psikolojiyi ve AI’ı Birleştirmek” adlı konuşmasında vurguladı.