Исследователи из Университета штата Мичиган говорят, что до истинного человеческого уровня интеллекта еще далеко, но в их новой статье, опубликованной в The American Naturalist, исследуется, как компьютеры могут начать развивать обучение так же, как это сделали естественные организмы, – с последствиями для многих. области, в том числе искусственный интеллект.
"Мы знаем, что все организмы способны к той или иной форме обучения, но мы просто не знали, как эти способности впервые развились. Теперь мы можем наблюдать, как эти важные эволюционные события разворачиваются перед нами в виртуальном мире », – сказал Ансельмо Понтес, исследователь информатики МГУ и ведущий автор. "Понимание того, как эволюционировало обучающее поведение, помогает нам понять, как оно работает, и дает представление о других областях, таких как нейробиология, образование, психология, поведение животных и даже искусственный интеллект.
Он также дает ключ к разгадке того, как работает наш мозг, и может даже привести к появлению роботов, которые учатся на опыте так же эффективно, как и люди."
По словам Фреда Дайера, профессора и соавтора интегративной биологии МГУ, эти открытия могут иметь огромное значение.
«Мы раскрываем историю того, как возникло наше собственное познание и как оно может повлиять на будущее», – сказал Дайер. "Понимание нашего собственного происхождения может привести нас к разработке роботов, которые могут смотреть и учиться, а не быть запрограммированными для каждой отдельной задачи."
Результаты – первая демонстрация эволюции ассоциативного обучения в искусственном организме без мозга.
Вот видео, показывающее процесс.
«Нашим вдохновением было то, как животные изучают ориентиры и используют их для навигации по окружающей среде», – сказал Понтес. "Например, в лабораторных экспериментах пчелы учатся связывать определенные цвета или формы с указаниями и перемещаться по сложным лабиринтам."
Поскольку эволюцию обучения невозможно наблюдать по окаменелостям – а на наблюдение в природе потребуется больше жизни, – междисциплинарная команда МГУ, состоящая из биологов и ученых-информатиков, использовала программу цифровой эволюции, которая позволила им наблюдать за десятками тысяч поколений. эволюции всего за несколько часов, что недостижимо для живых систем.
В этом случае организмы эволюционировали, чтобы учиться и использовать сигналы окружающей среды, чтобы помочь им ориентироваться в окружающей среде и находить пищу.
«Обучение имеет решающее значение для большинства форм поведения, но мы не могли напрямую наблюдать, как обучение началось в первую очередь с наших чисто инстинктивных предков», – сказал Дайер. «Мы создали различные механизмы отбора, которые, как мы думали, могут сыграть роль, и наблюдали, что происходит в компьютере."
Пока моделировалась среда, эволюция происходила реально. Программы, которые управляли цифровым организмом, были подвержены генетическим изменениям в результате мутации, наследования и конкурентного отбора. Организмам было поручено следовать по следу вместе с сигналами, которые – при правильной интерпретации – указывали, где путь идет дальше.
В начале моделирования организмы были «чистыми листами», неспособными чувствовать, двигаться или обучаться. Каждый раз, когда организм воспроизводится, его потомки могут страдать от мутаций, изменяющих их поведение.
Большинство мутаций были летальными. Некоторые ничего не сделали. Но редкие черты, которые позволяли организму лучше следовать по следу, привели к тому, что организм собирал больше ресурсов, чаще воспроизводился и, таким образом, увеличивал долю в популяции.
На протяжении поколений у организмов развивалось все более и более сложное поведение.
Сначала были простые движения, позволяющие им наткнуться на еду. Затем была способность распознавать и различать различные типы сигналов, а затем рефлексивная способность исправлять ошибки, такие как попытка неправильного пути, резервное копирование и попытка другого.
Некоторые организмы развили способность учиться по ассоциации. Если один из этих организмов сделает неправильный поворот, он исправит ошибку, но он также извлечет уроки из этой ошибки и свяжет конкретный сигнал, который он увидел, с направлением, которое, как он теперь знал, должен был идти. С этого момента он будет перемещаться по всей тропе без дальнейших ошибок.
Некоторые организмы могут даже переучиваться, если их обмануть, переключая сигналы на полпути.
«Изучение эволюции в природе может занять слишком много времени, – сказал Понтес, – но эволюция – это всего лишь алгоритм, поэтому его можно воспроизвести на компьютере». Мы не только смогли увидеть, как определенные среды способствовали эволюции обучения, но и увидели, как популяции эволюционируют через те же поведенческие фазы, которые, как предполагали предыдущие ученые, должны были произойти, но у нас не было технологий, чтобы увидеть."