Estas extrañas criaturas virtuales evolucionan sus cuerpos para resolver problemas

Agrim Gupta, Silvio Savarese, Surya Ganguli y Li Fei-Fei

Una variedad infinita de criaturas virtuales corretean y se escabullen por la pantalla, luchando por sortear obstáculos o arrastrando bolas hacia un objetivo. Parecen cangrejos a medio formar hechos de salchichas, o tal vez Thing, la mano incorpórea de La familia Addams . Pero estos 'unimales' (abreviatura de animales universales) de hecho podrían ayudar a los investigadores a desarrollar más inteligencia de propósito general en máquinas.

Agrim Gupta de la Universidad de Stanford y sus colegas (incluido Fei-Fei Li, quien codirige el Instituto Stanford para la IA centrada en el ser humano y dirigió la creación de ImageNet) usaron estos animales para explorar dos preguntas que a menudo se pasan por alto en la investigación de IA: cómo la inteligencia está ligada a la forma en que se distribuyen los cuerpos y cómo las habilidades pueden desarrollarse a través de la evolución y aprenderse.

Historia relacionada

Un patio de recreo en constante cambio enseña a las IA cómo realizar múltiples tareas

Los mundos de juegos virtuales brindan un flujo continuo de desafíos abiertos que empujan a la IA hacia la inteligencia general.

Este trabajo es un paso importante en un intento de décadas de comprender mejor la relación cuerpo-cerebro en los robots, dice Josh Bongard, quien estudia robótica evolutiva en la Universidad de Vermont y no participó en el trabajo.

Si los investigadores quieren recrear la inteligencia en las máquinas, es posible que les falte algo, dice Gupta. En biología, la inteligencia surge del trabajo conjunto de mentes y cuerpos. Los aspectos de los planes corporales, como el número y la forma de las extremidades, determinan qué pueden hacer los animales y qué pueden aprender. Piense en el aye-aye, un lémur que desarrolló un dedo medio alargado para sondear agujeros profundos en busca de larvas.

La IA generalmente se enfoca solo en la parte de la mente, construyendo máquinas para realizar tareas que se pueden dominar sin un cuerpo, como usar el lenguaje, reconocer imágenes y jugar videojuegos. Pero este repertorio limitado pronto podría envejecer. Envolver las IA en cuerpos que se adapten a tareas específicas podría facilitarles el aprendizaje de una amplia gama de nuevas habilidades. Una cosa que todos los animales inteligentes del planeta tienen en común en un cuerpo, dice Bongard. La realización es nuestra única esperanza de fabricar máquinas que sean a la vez inteligentes y seguras.

Los animales tienen cabeza y múltiples extremidades. Para ver qué podían hacer, el equipo desarrolló una técnica llamada aprendizaje de refuerzo evolutivo profundo (DERL). Primero, los animales se entrenan mediante el aprendizaje por refuerzo para completar una tarea en un entorno virtual, como caminar por diferentes tipos de terreno o mover un objeto.

Luego se seleccionan los unimales que se desempeñan mejor y se introducen mutaciones, y la descendencia resultante se vuelve a colocar en el medio ambiente, donde aprenden las mismas tareas desde cero. El proceso se repite cientos de veces: evolucionar y aprender, evolucionar y aprender.

Las mutaciones a las que están sujetos los animales implican agregar o quitar extremidades, o cambiar la longitud o la flexibilidad de las extremidades. La cantidad de configuraciones corporales posibles es enorme: hay 10 ^ 18 variaciones únicas con 10 extremidades o menos. Con el tiempo, los cuerpos de los animales se adaptan a diferentes tareas. Algunos unimales han evolucionado para moverse por terreno plano cayendo hacia adelante; algunos desarrollaron un andar como un lagarto; otros desarrollaron pinzas para agarrar una caja.

Los investigadores también probaron qué tan bien los animales evolucionados podían adaptarse a una tarea que no habían visto antes, una característica esencial de la inteligencia general. Aquellos que habían evolucionado en entornos más complejos, con obstáculos o terreno irregular, fueron más rápidos en el aprendizaje de nuevas habilidades, como hacer rodar una pelota en lugar de empujar una caja. También encontraron que DERL seleccionaba los planes corporales que aprendían más rápido, aunque no había presión selectiva para hacerlo. Encuentro esto emocionante porque muestra cuán profundamente están conectadas la forma del cuerpo y la inteligencia, dice Gupta.

Historia relacionada

La IA está aprendiendo a crearse a sí misma

Los humanos han luchado para hacer máquinas verdaderamente inteligentes. Tal vez tenemos que dejar que se encarguen ellos mismos.

Ya se sabe que ciertos cuerpos aceleran el aprendizaje, dice Bongard. Este trabajo muestra que la IA puede buscar tales cuerpos. El laboratorio de Bongard ha desarrollado cuerpos robóticos que se adaptan a tareas particulares, como aplicar recubrimientos similares a callos en los pies para reducir el desgaste. Gupta y sus colegas amplían esta idea, dice Bongard. Muestran que el cuerpo correcto también puede acelerar los cambios en el cerebro del robot.

En última instancia, esta técnica podría revertir la forma en que pensamos en la construcción de robots físicos, dice Gupta. En lugar de comenzar con una configuración corporal fija y luego entrenar al robot para que realice una tarea en particular, puede usar DERL para dejar que evolucione el plan corporal óptimo para esa tarea y luego construirlo.

Los unimales de Gupta son parte de un amplio cambio en la forma en que los investigadores piensan acerca de la IA. En lugar de entrenar a las IA en tareas específicas, como jugar Go o analizar un examen médico, los investigadores están comenzando a colocar bots en cajas de arena virtuales, como POETA , La arena virtual de las escondidas de OpenAI , y El patio de recreo virtual de DeepMind XLand —y hacer que aprendan a resolver múltiples tareas en dojos de entrenamiento abiertos y en constante cambio. En lugar de dominar un solo desafío, las IA entrenadas de esta manera aprenden habilidades generales.

Para Gupta, la exploración de forma libre será clave para la próxima generación de IA. Necesitamos entornos verdaderamente abiertos para crear agentes inteligentes, dice.

esconder