Evolutie van leren is de sleutel tot betere

Evolutie van leren is de sleutel tot betere

Evolutie van leren is de sleutel tot betere kunstmatige intelligentie

Sinds “2001: A Space Odyssey” hebben mensen zich afgevraagd: zouden er uiteindelijk machines als HAL 9000 kunnen bestaan die informatie kunnen verwerken met menselijke intelligentie Evolutie van leren.

Onderzoekers van de Michigan State University zeggen dat echte intelligentie op menselijk niveau nog ver weg is, maar hun nieuwe paper gepubliceerd in The American Naturalist onderzoekt hoe computers het leren op dezelfde manier kunnen laten evolueren als natuurlijke organismen – met implicaties voor velen velden, inclusief kunstmatige intelligentie.

“We weten dat alle organismen in staat zijn tot enige vorm van leren, we wisten alleen niet zeker hoe die vaardigheden zich voor het eerst ontwikkelden. Nu kunnen we deze belangrijke evolutionaire gebeurtenissen voor ons zien ontvouwen in een virtuele wereld,” zei Anselmo Pontes, MSU informatica onderzoeker en hoofdauteur. “Inzicht in hoe geëvolueerd leergedrag helpt ons om erachter te komen hoe het werkt en biedt inzichten op andere gebieden zoals neurowetenschappen, onderwijs, psychologie, diergedrag en zelfs AI. Het geeft ook aanwijzingen over hoe onze hersenen werken en kan zelfs leiden tot robots die leer net zo effectief van ervaringen als mensen. ”

Volgens Fred Dyer, hoogleraar MSU-integratiebiologie en co-auteur, kunnen deze bevindingen enorme implicaties hebben.

“We ontrafelen het verhaal van hoe onze eigen cognitie is ontstaan en hoe dat de toekomst kan vormgeven,” zei Dyer. “Inzicht in onze eigen oorsprong kan ons leiden tot het ontwikkelen van robots die kunnen kijken en leren in plaats van te worden geprogrammeerd voor elke individuele taak.”

De resultaten zijn de eerste demonstratie die de evolutie van associatief leren in een kunstmatig organisme zonder hersenen laat zien. Hier is een video die het proces laat zien.

“Onze inspiratie was de manier waarop dieren oriëntatiepunten leren en gebruiken om door hun omgeving te navigeren,” zei Pontes. “In laboratoriumexperimenten leren honingbijen bijvoorbeeld bepaalde kleuren of vormen te associëren met richtingen en door complexe doolhoven te navigeren.”

Omdat de evolutie van het leren niet via fossielen kan worden waargenomen – en het meer dan een leven zou duren om in de natuur te kijken – gebruikte het MSD interdisciplinaire team bestaande uit biologen en computerwetenschappers een digitaal evolutieprogramma waarmee ze tienduizenden generaties konden observeren van evolutie in slechts enkele uren, een prestatie die niet haalbaar is met levende systemen.

In dit geval zijn organismen geëvolueerd om omgevingssignalen te leren en te gebruiken om hen te helpen door de omgeving te navigeren en voedsel te vinden.

“Leren is cruciaal voor de meeste gedragingen, maar we konden niet direct observeren hoe leren begon in de eerste plaats van onze puur instinctieve voorouders,” zei Dyer. “We hebben verschillende selectiedruk ingebouwd waarvan we dachten dat het een rol zou kunnen spelen en keken naar wat er op de computer gebeurde.”

Terwijl de omgeving werd gesimuleerd, was de evolutie echt. De programma’s die het digitale organisme beheersten, waren onderhevig aan genetische variatie door mutatie, overerving en competitieve selectie. Organismen moesten een spoor volgen naast signalen die – indien correct geïnterpreteerd – wezen waar het pad vervolgens naartoe ging.

In het begin van de simulatie waren organismen ‘lege leien’, niet in staat om te voelen, te bewegen of te leren. Elke keer dat een organisme reproduceerde, konden zijn afstammelingen mutaties ondergaan die hun gedrag veranderden. De meeste mutaties waren dodelijk. Sommigen deden niets. Maar de zeldzame eigenschappen waardoor een organisme het spoor beter kon volgen, resulteerde in het organisme dat meer hulpbronnen verzamelde, zich vaker reproduceerde en dus aandeel in de populatie won.

In de loop van de generaties evolueerden organismen steeds complexer gedrag. Eerst kwamen eenvoudige bewegingen waardoor ze in voedsel konden struikelen. Het volgende was het vermogen om verschillende soorten signalen te detecteren en te onderscheiden, gevolgd door het reflexieve vermogen om fouten te corrigeren, zoals een verkeerd pad proberen, een back-up maken en een ander proberen.

Enkele organismen ontwikkelden het vermogen om te leren door associatie. Als een van deze organismen een verkeerde afslag zou maken, zou het de fout corrigeren, maar het zou ook van die fout leren en het specifieke signaal dat het zag associëren met de richting waarvan het nu wist dat het weg had moeten gaan. Vanaf dat moment zou het het hele pad navigeren zonder verdere fouten. Sommige organismen kunnen zelfs opnieuw leren wanneer ze worden misleid door signalen halverwege te schakelen.

“Evolutie in de natuur kan te lang duren om te studeren,” zei Pontes, “maar evolutie is slechts een algoritme, dus het kan worden gerepliceerd in een computer. We konden niet alleen zien hoe bepaalde omgevingen de evolutie van leren bevorderden, maar we zag populaties door dezelfde gedragsfasen evolueren die eerdere wetenschappers hadden gespeculeerd, maar hadden niet de technologie om te zien. “

admin

Leave a Reply

Your email address will not be published. Required fields are marked *