Hjerneinspireret kunstig intelligens i robotter

Forskningsgrupper ved KAIST, University of Cambridge, Japans nationale institut for informations- og kommunikationsteknologi, og Google DeepMind hævder, at vores forståelse af, hvordan mennesker træffer intelligente beslutninger, nu har nået et kritisk punkt, hvor robotintelligens kan forbedres væsentligt ved at efterligne strategier, som den menneskelige hjerne bruger, når vi træffer beslutninger i vores hverdag.

I vores hurtigt skiftende verden, både mennesker og autonome robotter har konstant brug for at lære og tilpasse sig nye miljøer. Men forskellen er, at mennesker er i stand til at træffe beslutninger i henhold til de unikke situationer, mens robotter stadig er afhængige af forudbestemte data for at træffe beslutninger.

På trods af de hurtige fremskridt, der gøres med at styrke robotternes fysiske formåen, deres centrale kontrolsystemer, som styrer, hvordan robotter beslutter, hvad de skal gøre til enhver tid, stadig er ringere end menneskers. I særdeleshed, de er ofte afhængige af forudprogrammerede instruktioner til at styre deres adfærd, og mangler menneskelig adfærds kendetegn, det er, fleksibiliteten og kapaciteten til hurtigt at lære og tilpasse sig.

Anvendelse af neurovidenskab i robotteknologi, Professor Sang Wan Lee fra Institut for Bio- og Hjerneteknik, KAIST og professor Ben Seymour fra University of Cambridge og Japans National Institute for Information and Communications Technology foreslog et tilfælde, hvor robotter skulle designes ud fra principperne i den menneskelige hjerne. De hævder, at robotintelligens kan forbedres betydeligt ved at efterligne strategier, som den menneskelige hjerne bruger under beslutningsprocesser i hverdagen.

Problemet med at importere menneskelignende intelligens til robotter har altid været en vanskelig opgave uden at kende de beregningsmæssige principper for, hvordan den menneskelige hjerne træffer beslutninger – med andre ord, hvordan man oversætter hjerneaktivitet til computerkode for robotternes "hjerne".

Imidlertid, forskere hævder nu, at efter en række nyere opdagelser inden for beregningsneurovidenskab, der er nok af denne kode til effektivt at skrive den ind i robotter. Et af de opdagede eksempler er den menneskelige hjernes 'meta-controller', en mekanisme, hvorved hjernen beslutter, hvordan man skifter mellem forskellige undersystemer for at udføre komplekse opgaver. Et andet eksempel er det menneskelige smertesystem, som giver dem mulighed for at beskytte sig selv i potentielt farlige miljøer. "At kopiere hjernens kode for disse kunne i høj grad øge fleksibiliteten, effektivitet, og robotters sikkerhed, " sagde professor Lee.

Holdet argumenterede for, at denne tværfaglige tilgang vil give lige så mange fordele for neurovidenskab som for robotteknologi. Den nylige eksplosion af interesse for, hvad der ligger bag psykiatriske lidelser som angst, depression, og afhængighed har givet anledning til en række sofistikerede teorier, som er komplekse og svære at teste uden en slags avanceret situationsplatform.

Professor Seymour forklarede, "Vi har brug for en måde at modellere den menneskelige hjerne på for at finde ud af, hvordan den interagerer med verden i det virkelige liv for at teste, om og hvordan forskellige abnormiteter i disse modeller giver anledning til visse lidelser. F.eks. hvis vi kunne reproducere angstadfærd eller tvangslidelser i en robot, så kunne vi forudsige, hvad vi skal gøre for at behandle det hos mennesker."

Holdet forventer, at produktion af robotmodeller af forskellige psykiatriske lidelser, på samme måde som, hvordan forskere bruger dyremodeller nu, vil blive en vigtig fremtidig teknologi i klinisk forskning.

Holdet udtalte også, at der også kan være andre fordele ved at lære mennesker og intelligente robotter, skuespil, og opfører sig på samme måde. I fremtidige samfund, hvor mennesker og robotter lever og arbejder indbyrdes, evnen til at samarbejde og empati med robotter kan være meget større, hvis vi føler, at de tænker som os.

Professor Seymour sagde, "Vi tror måske, at det ville være en ulempe at have robotter med de menneskelige træk at være lidt impulsive eller overforsigtige, men disse træk er et uundgåeligt biprodukt af menneskelignende intelligens. Og det viser sig, at dette hjælper os til at forstå menneskelig adfærd som menneskelig."

Rammerne for at opnå denne hjerne-inspirerede kunstige intelligens blev offentliggjort i to tidsskrifter, Videnskab robotik den 16. januar og Aktuel mening i adfærdsvidenskab den 6. februar, 2019.