Эволюция обучения открывает путь к сильному искусственному интеллекту
Logo
Cover

По мнению ученых из США, человекоподобный интеллект будет доступен машинам еще не скоро. Однако если они начнут развиваться так же, как природные организмы, то со временем станут воспринимать мир не хуже, чем ХЭЛ-9000 из «Космической одиссеи 2001 года».

Все организмы способны на обучение в той или иной степени, неизвестно лишь, как эта способность у них развилась. Чтобы предсказать, как этот же механизм может использовать искусственный интеллект, специалисты из Университета штата Мичиган смоделировали развитие этой способности в виртуальном мире, рассказывает Phys.org.

«Понимание того, как развивается обучение, помогает нам разобраться, как оно работает, и дает возможность лучше понять такие области, как нейробиология, образование, психология, зоология и даже ИИ, — говорит Ансельмо Понтес, ведущий исследователь. — Также оно подсказывает нам, как работает наш мозг и может привести к появлению роботов, которые учатся на опыте так эффективно, как люди».

Поскольку эволюцию обучения нельзя изучать на ископаемых и слишком долго — в естественной среде, междисциплинарная команда ученых воспользовалась программой. Она смоделировала эволюцию десятков тысяч поколений всего за несколько часов.

Программа управляла цифровыми организмами и заставляла их проходить через генетические изменения, вызванные мутациями, наследованием и естественным отбором.

В самом начале эти организмы не были способны не двигаться, ни чувствовать, ни учиться. Однако каждый раз, когда один из них воспроизводил себя, его потомки подвергались мутациям, меняющим поведение. Большинство из таких мутаций были смертельными. Некоторые не влияли ни на что. Но кое-какие позволяли организму лучше собирать ресурсы или чаще размножаться.  

Со временем организмы развились и стали способны на более сложное поведение. Сначала они научились двигаться к пище. Затем приобрели способность чувствовать и различать разные типы сигналов, а потом и исправлять ошибки: например, выбрав неверный путь, возвращаться и начинать заново.

Небольшая группа организмов приобрела способность к ассоциативному обучению.

Если один из них шел не туда, он исправлял ошибку, а также учился на ней и сочетал определенный сигнал с направлением, в котором следовало пойти. С тех пор он двигался по пути безошибочно. Некоторые организмы даже приобрели способность переучиваться.

«Понтес и его коллеги разработали на компьютере ассоциативное обучение из таких ингредиентов, как мутации, наследование и естественный отбор, — поясняет Джордж Гилкрист, директор программы из Национального научного фонда, который финансировал этот проект. — Это открывает двери созданию систем искусственного обучения без ограничений, навязанных разработчиками».

Биологический принцип в информатике применили в прошлом году испанские ученые. Они разработали алгоритм прогнозирования вертикального роста городов по аналогии с алгоритмом предсказания эволюционных изменений. Такой подход объяснил, почему в одних районах стремительно вырастают многочисленные высотки, а в других архитектурный облик годами остается неизменным.