Ny kunstig intelligens inspireret af den menneskelige hjernes funktion

Inspireret af den menneskelige hjernes funktion og baseret på en biologisk mekanisme kaldet neuromodulation, det giver intelligente agenter mulighed for at tilpasse sig ukendte situationer

Kunstig intelligens (AI) har muliggjort udviklingen af ​​højtydende automatiske læringsteknikker i de seneste år. Imidlertid, disse teknikker anvendes ofte opgave for opgave, hvilket indebærer, at en intelligent agent, der er uddannet til én opgave, vil præstere dårligt på andre opgaver, selv meget lignende. For at overvinde dette problem, forskere ved University of Liège (ULiège) har udviklet en ny algoritme baseret på en biologisk mekanisme kaldet neuromodulation. Denne algoritme gør det muligt at skabe intelligente agenter, der er i stand til at udføre opgaver, som man ikke støder på under træning. Dette nye og enestående resultat præsenteres i denne uge i magasinet PLOS ET .

På trods af de enorme fremskridt inden for kunstig intelligens i de senere år, vi er stadig meget langt fra menneskelig intelligens. Ja, hvis nuværende AI-teknikker gør det muligt at træne computeragenter til at udføre visse opgaver bedre end mennesker, når de er uddannet specifikt til dem, præstationen af ​​de samme agenter er ofte meget skuffende, når de bliver sat under forhold (selv lidt) anderledes end dem, der opleves under træning.

Mennesket er i stand til at tilpasse sig nye situationer meget effektivt ved at bruge de færdigheder, han har tilegnet sig gennem hele sit liv. For eksempel, et barn, der har lært at gå i en stue, vil hurtigt også lære at gå i en have. I en sådan sammenhæng, at lære at gå er forbundet med synaptisk plasticitet, som ændrer forbindelserne mellem neuroner, mens den hurtige tilpasning af gangfærdigheder lært i stuen til dem, der er nødvendige for at gå i haven, er forbundet med neuromodulation. Neuromodulation modificerer selve neuronernes input-output egenskaber via kemiske neuromodulatorer.

Synaptisk plasticitet er grundlaget for alle de seneste fremskridt inden for kunstig intelligens. Imidlertid, intet videnskabeligt arbejde har hidtil foreslået en måde at introducere en neuromodulationsmekanisme i kunstige neurale netværk. Dette helt exceptionelle resultat, beskrevet i denne uge i journalen PLOS ET , er resultatet af et ekstremt frugtbart samarbejde mellem neurovidenskabsmænd og kunstig intelligens-forskere ved universitetet i Liège, der udvikler intelligente algoritmer:to ph.d. studerende, Nicolas Vecoven og Antoine Wehenkel, samt to professorer, Damien Ernst (specialist i kunstig intelligens) og Guillaume Drion (neuroforsker).

Disse ULiège-forskere har udviklet en fuldstændig original kunstig neural netværksarkitektur, indførelse af en interaktion mellem to undernetværk. Den første tager højde for alle kontekstuelle oplysninger om den opgave, der skal løses, og, på grundlag af disse oplysninger, neuromodul det andet undernetværk på samme måde som hjernens kemiske neuromodulatorer. Takket være neuromodulation, dette andet undernetværk, som bestemmer de handlinger, der skal udføres af den intelligente agent, kan derfor ekstremt hurtigt tilpasses den aktuelle opgave. Dette giver agenten mulighed for effektivt at løse nye opgaver.

Denne innovative arkitektur er blevet testet med succes på klasser af navigationsproblemer, hvortil tilpasning er nødvendig. I særdeleshed, agenter trænet til at bevæge sig mod et mål, mens du undgår forhindringer, var i stand til at tilpasse sig situationer, hvor deres bevægelse blev forstyrret af ekstremt variable vindretninger.

Prof. Damien Ernst siger, "Det nye ved denne forskning er, at for første gang, kognitive mekanismer identificeret i neurovidenskab finder algoritmiske applikationer i en multi-tasking kontekst. Denne forskning åbner perspektiver i udnyttelsen i AI af neuromodulation, en nøglemekanisme i den menneskelige hjernes funktion."