211service.com
Los Juegos Olímpicos de Animal-AI tratarán a la IA como una rata de laboratorio
Sra. Tecnología; Imágenes: Wikimedia commons
En una de las fábulas de Esopo, un cuervo sediento encuentra un cántaro con una pequeña cantidad de agua fuera del alcance de su pico. Después de no poder empujar la jarra, el cuervo deja caer las piedras una por una hasta que sube el nivel del agua, lo que permite que el pájaro tome un trago. Para Esopo, la fábula mostraba la superioridad de la inteligencia sobre la fuerza bruta.
Dos milenios y medio después, podríamos ver si la IA podría pasar la prueba de inteligencia antigua de Esopo. En junio, los investigadores entrenarán algoritmos para dominar un conjunto de tareas que tradicionalmente se han utilizado para probar la cognición animal. Este será el Olimpiadas de IA animal , con una participación en un premio acumulado de $10,000 en oferta.
Por lo general, los puntos de referencia de IA implican dominar una sola tarea, como vencer a un gran maestro en Go o descubrir cómo aprender un videojuego desde cero. La IA ha tenido un éxito extraordinario en tales ámbitos. Pero cuando aplica los mismos sistemas de IA a una tarea totalmente diferente, generalmente no tienen remedio. Por eso, en Animal-AI Olympics, el mismo agente estará sujeto a 100 tareas nunca antes vistas. Lo que se está probando no es un tipo particular de inteligencia, sino la capacidad de un solo agente para adaptarse a entornos diversos. Esto demostraría una forma limitada de inteligencia generalizada, un tipo de sentido común que la IA necesitará si alguna vez tiene éxito en nuestros hogares o en nuestra vida diaria. Los organizadores de la competición aceptan que ninguno de los sistemas de IA podrá adaptarse perfectamente a cada circunstancia ni publicar una puntuación perfecta. Pero esperan que los mejores sistemas puedan adaptarse para abordar los diferentes problemas que enfrentan.
Animal-AI Olympics es la creación de un equipo de investigadores en el Centro Leverhulme para el Futuro de la Inteligencia en Cambridge, Inglaterra, junto con GoodAI, un instituto de investigación con sede en Praga. La competencia es parte de un proyecto más grande en el Centro Leverhulme llamado tipos de inteligencia , que reúne a un equipo interdisciplinario de investigadores de la cognición animal, informáticos y filósofos para considerar las diferencias y similitudes entre las formas de pensar humanas, animales y mecánicas. Y aunque la mayoría de las tareas se usan típicamente como pruebas de inteligencia para animales, también entrarán de puntillas en territorio humano: algunos de los desafíos se usan para evaluar la cognición en bebés y niños pequeños. El grupo espera incluir más tareas cognitivas humanas en futuras versiones más complejas del desafío.
En lugar de pedirles a los investigadores que construyan robots físicos, Marta Halina, la directora del grupo, y su equipo desarrollaron un entorno virtual creado con el software de desarrollo de videojuegos Unity. La configuración simula un entorno de pruebas de laboratorio para la cognición animal, completo con recompensas de alimentos, paredes y objetos móviles. A finales de este mes, este patio de juegos simulado, como lo llama Halina, se lanzará a la comunidad de IA y se invitará a los investigadores a capacitar a los agentes que pueden navegar por él.
Los agentes serán sistemas informáticos que pueden actuar de forma autónoma en este entorno, al igual que los bots de IA que OpenAI y DeepMind han desarrollado para competir en juegos como Dota y Starcraft. Los organizadores de la competencia dan la bienvenida a cualquier tipo de enfoque para construir estos agentes y esperan que muchos opten por el aprendizaje por refuerzo. Pero también esperan que los investigadores experimenten con nuevos métodos, en particular lo que ellos llaman el enfoque cognitivo, como el que defienden investigadores como Josh Tenenbuam en el MIT, que consiste en simular la resolución de problemas humanos (o, en este caso, animales) y mental. procesamiento en un modelo computarizado.
En junio, los investigadores presentarán a sus agentes y el equipo de Cambridge los someterá a 100 pruebas separadas en 10 categorías. Matthew Crosby, investigador postdoctoral en el Centro Leverhulme, dice que en esta etapa las pruebas se mantienen en secreto, para que los participantes no puedan enseñar habilidades específicas a los agentes antes de que comience la competencia.
Las pruebas variarán en dificultad. Algunos pueden ser tan básicos como requerir que el agente recupere alimentos de un entorno sin obstáculos. Las tareas más difíciles requerirán una comprensión de la permanencia del objeto (saber que un objeto todavía está allí incluso si está oculto) y la capacidad de hacer un modelo mental de un entorno para poder navegar en la oscuridad.
Según Crosby, el aspecto más desafiante de la competencia es que los agentes deberán ser buenos en todas las pruebas en todos los ámbitos: el agente ganador será el que muestre un buen desempeño en promedio, en lugar de solo la capacidad de dominar duro. Tareas. Lo que se está poniendo a prueba es la capacidad de adaptarse rápidamente a nuevas situaciones o trasladar habilidades de un tipo de actividad a otro, lo que es un buen indicador de inteligencia general. Para Crosby, este tipo de flexibilidad es esencial para que la IA sea útil en el mundo real.
Animal-AI Olympics no es el primer proyecto de investigación de IA que se inspira en la inteligencia animal. Radhika Nagpal, profesora de informática en Harvard, investiga lo que la IA podría ganar al estudiar la inteligencia emergente que muestran los bancos de peces y las bandadas de pájaros. Y el año pasado Kiana Ehsani LED un equipo de investigadores de la Universidad de Washington y el Instituto Allen de IA en el entrenamiento de redes neuronales para, en un rango muy limitado de tareas, pensar como un perro. Ehsani dice que estaría interesada en participar en las Olimpiadas Animal-AI y ve sus objetivos alineados con los suyos.
Si bien estos proyectos han logrado cierto éxito, la replicación de la inteligencia animal en agentes computacionales todavía se considera un problema difícil. Como ha dicho la investigadora pionera en IA Judea Pearl dicho Las habilidades cognitivas de los animales (la capacidad de navegación de los gatos, el extraño sentido del olfato de un perro, la visión afilada de las serpientes) superan ampliamente cualquier cosa que se pueda hacer en un laboratorio. Esta inteligencia biológica es el resultado de cientos de millones de años de evolución.
Creo que para que la IA se desempeñe tan inteligentemente como un animal, se requiere construir algo de esa estructura innata en el sistema, dice Anthony Zador, profesor de neurociencia en el Laboratorio Cold Spring Harbor. Cómo lo haces es una pregunta difícil para la que nadie tiene una respuesta todavía.
Otro factor que complica las cosas es que las métricas de la inteligencia animal son cuestionadas. en su libro ¿Somos lo suficientemente inteligentes para saber qué tan inteligentes son los animales? Frans de Waal, director del Centro Nacional de Investigación de Primates Yerkes en la Universidad de Emory, argumenta que muchas pruebas juzgan la aptitud mental de los animales solo en virtud de cuán similares son a los humanos. Entonces, en lugar de probar los límites de sus comportamientos naturales, entrenamos a los animales para que realicen tareas similares a las de los humanos.
Esto se debe en parte a que los experimentos científicos acreditados en cognición animal deben realizarse en el laboratorio, lejos del entorno natural del animal. Animal-AI Olympics agrega otra capa de abstracción del mundo real al simular entornos de laboratorio en la computadora, eliminando no solo el entorno natural sino también la experiencia encarnada de la vida animal.
Crosby reconoce que existen limitaciones en el uso de pruebas de inteligencia animal para comparar la capacidad de la IA. Pero dice que el proyecto se trata más de explorar las diferencias entre las mentes que de tratar de probar la equivalencia entre la cognición artificial y la biológica. De hecho, espera que arroje luz sobre cómo funcionan nuestros propios cerebros, además de probar lo mejor en IA.
Lo que realmente nos interesa es descubrir cómo traducir entre diferentes tipos de inteligencia, dice. Si parte de lo que aprendemos es donde falla esta traducción, eso es un éxito en lo que a nosotros respecta.