At forstå dyrehjernen kan hjælpe robotter med at vaske din opvask

Kunstig intelligens (AI) har stadig meget at lære af dyrehjerner, siger Cold Spring Harbor Laboratory (CSHL) neuroforsker Anthony Zador. Nu, han håber, at erfaringer fra neurovidenskab kan hjælpe den næste generation af kunstig intelligens med at overvinde nogle særligt vanskelige barrierer.

Anthony Zador, M.D., Ph.D., har brugt sin karriere på at beskrive, ned til den enkelte neuron, de komplekse neurale netværk, der udgør en levende hjerne. Men han startede sin karriere med at studere kunstige neurale netværk (ANN'er). ANN'er, som er computersystemerne bag den seneste AI-revolution, er inspireret af de forgrenede netværk af neuroner i dyre- og menneskehjerner. Imidlertid, dette brede begreb er normalt der, hvor inspirationen ender.

I et perspektiv stykke for nylig offentliggjort i Naturkommunikation , Zador beskriver, hvordan forbedrede læringsalgoritmer gør det muligt for AI-systemer at opnå overmenneskelig præstation på et stigende antal mere komplekse problemer som skak og poker. Endnu, maskiner er stadig chokeret over, hvad vi anser for at være de enkleste problemer.

Løsning af dette paradoks kan måske endelig sætte robotter i stand til at lære at gøre noget så organisk som at forfølge bytte eller bygge en rede, eller endda noget så menneskeligt og banalt som at tage opvasken - en opgave, som Googles administrerende direktør Eric Schmidt engang kaldte "bogstaveligt talt nummer et forespørgsel... men et ekstraordinært vanskeligt problem" for en robot.

"De ting, vi finder svære, som abstrakte tanker eller skakspil, er faktisk ikke det svære for maskiner. De ting, vi finder nemme, som at interagere med den fysiske verden, det er det der er svært, " forklarede Zador. "Grunden til, at vi synes, det er nemt, er, at vi havde en halv milliard års evolution, der har koblet vores kredsløb op, så vi gør det ubesværet."

Derfor skriver Zador, at hemmeligheden bag hurtig læring måske ikke er en perfektioneret generel læringsalgoritme. I stedet, han foreslår, at biologiske neurale netværk skulptureret af evolutionen giver en slags stilladser for at lette den hurtige og nemme læring for specifikke slags opgaver - normalt dem, der er afgørende for overlevelse.

For et eksempel, Zador peger på din baghave.

"Du har egern, der kan hoppe fra træ til træ inden for et par uger efter fødslen, men vi har ikke mus, der lærer det samme. Hvorfor ikke?" sagde Zador. "Det er fordi man er genetisk forudbestemt til at blive et trælevende væsen."

Zador antyder, at et resultat af denne genetiske disposition er det medfødte kredsløb, der hjælper med at styre et dyrs tidlige læring. Imidlertid, disse stilladsnetværk er langt mindre generaliserede end det opfattede universalmiddel for maskinlæring, som de fleste AI -eksperter forfølger. Hvis ANN'er identificerede og tilpassede lignende sæt kredsløb, Zador hævder, fremtidens husholdningsrobotter vil måske bare en dag overraske os med rent service.