Искусственный интеллект сегодня, похоже, достиг своего предела развития. Он поглотил данные всего интернета, но все еще чрезвычайно далек от действительно человекоподобного интеллекта (AGI). Может быть, ИИ должен иметь тело, чтобы его интеллект приблизился к человеческому?
Недавние статьи начинают показывать трещины в самых продвинутых (и особенно бестелесных) системах искусственного интеллекта на сегодняшний день. В новом исследовании Apple изучались так называемые «модели Большого рассуждения» (LRM) – языковые модели, которые генерируют этапы рассуждения перед ответом. Эти системы, отмечается в документе, выполняют много задач лучше, чем стандартные LLM, но разваливаются, когда проблемы становятся слишком сложными. Поразительно, но эти ИИ не просто выходят на плато мышления – интеллект разрушается, даже при наличии более чем достаточной вычислительной мощности.
Хуже того, бестелесные ИИ не могут рассуждать последовательно или алгоритмически. Их схемам рассуждений-до того, как они представят решение проблемы, не хватает внутренней логики. И чем сложнее задача, тем меньше усилий затрачивают модели. Авторы приходят к выводу, что эти системы на самом деле “думают” не так, как люди.
” То, что мы сейчас создаем, – это устройства, которые воспринимают слова и угадывают следующее наиболее вероятное слово … это сильно отличается от того, что мы делаем с вами», – сказал Ник Фросст, бывший исследователь Google и соучредитель Cohere.
Познание-это нечто большее, чем просто исчисление
На протяжении большей части 20–го века искусственный интеллект направлялся к модели под названием “Старый добрый искусственный интеллект” (GOFAI), которая рассматривала познание как символическую логику. Ранние исследователи ИИ полагали, что интеллект может быть создан путем обработки символов, во многом подобно тому, как компьютер выполняет код. Абстрактному мышлению, основанному на символах, определенно не нужно тело для развития.
Эта идея начала рушиться, когда ранний искусственный интеллект роботов не смог справиться с грязными условиями реального мира. Исследователи в области психологии, нейробиологии и философии начали задавать другой вопрос, основанный на более глубоком понимании, полученном в результате исследований интеллекта животных и растений, которые адаптируются, обучаются и реагируют на сложные условия окружающей среды. Эти организмы учатся с помощью физических взаимодействий, а не символических идей.
У людей кишечную нервную систему, которая управляет нашим кишечником, часто называют “вторым мозгом”, потому что она использует те же типы клеток и химических веществ, которые мозг использует для переваривания пищи, – также, кстати, это те же компоненты, которые щупальце осьминога использует для восприятия и реагирования конечности.
Все это поднимает вопрос: что, если основой адаптации интеллекта является то , что он распределен по всему организму, а не живет только в мозге, который оторван от физического мира?
Это центральная идея воплощенного познания. Действие, ощущения и мышление не разделены – они представляют собой единый процесс. Как сказал Рольф Пфейфер, директор Лаборатории искусственного интеллекта Цюрихского университета: «мозг всегда развивался в контексте организма, который взаимодействует с окружающим миром, чтобы выжить. Не существует алгоритмической среды, в которой возникают мозги».
Воплощенный интеллект: другой тип мышления
Таким образом, нам могут понадобиться более умные тела, подходящие искусственному интеллекту, и Сесилия Ласки, пионер в области мягкой робототехники, после многих лет работы с жесткими гуманоидными роботами в Японии, переключила свои исследования на машины с мягким корпусом, вдохновившись осьминогом – животным, у которого нет скелета и чьи конечности думают сами за себя себя.
«Если у вас есть человек-робот, вы контролируете все его движения”, – говорит она. «Если что-то изменилось на местности, вам придется немного перепрограммировать”.
Но животным не нужно переосмысливать и планировать свои движения при ходьбе. «Наше колено послушно», — объясняет она. «Мы компенсируем неровности почвы механически, без использования мозга”. Это воплощенный интеллект-идея о том, что некоторые элементы познания могут быть переданы телу на аутсорсинг.
Воплощенный интеллект имеет явные преимущества с инженерной точки зрения. Передача функций восприятия, контроля и принятия решений физической структурой робота означает снижение вычислительных требований к основному мозгу робота, что приводит к созданию машин, которые могут более эффективно функционировать в непредсказуемых условиях.
В майском специальном выпуске Science Robotics Ласки определяет это так:”управление двигательными процессами не полностью осуществляется вычислительной системой … двигательное поведение частично формируется механически под действием внешних сил, действующих на тело». Поведение формируется окружающей средой, а интеллект усваивается на опыте, а не заранее запрограммирован в программном обеспечении.
Если рассуждать таким образом, интеллект-это не просто более быстрые чипы или более крупные модели, это еще и взаимодействие. Ключом к развитию интеллекта является область мягкой робототехники, в которой используются такие материалы, как силикон или специальные ткани, для создания более гибких тел роботов. Эти тела адаптивны, подвижны и способны к обучению в режиме реального времени. Мягкая роботизированная рука, похожая на щупальце осьминога, может исследовать и реагировать без необходимости просчитывать каждое движение.
Плоть и обратная связь: как заставить материалы думать самостоятельно
Однако, чтобы мягкая робототехника работала так же хорошо, как щупальце, робототехникам приходится отказаться от программирования на все случаи жизни и вместо этого разрабатывать новые способы восприятия и реагирования машин. Чтобы создавать машины с реальной автономностью, исследователи обращаются к новой концепции: автономному физическому интеллекту (API).
Симинь Хе, адъюнкт-профессор материаловедения и инженерии Калифорнийского университета в Лос-Анджелесе, стал пионером в этой области, разработав мягкие материалы, такие как чувствительные гели и полимеры, которые не просто реагируют на раздражители, но и регулируют собственное движение с помощью встроенной обратной связи.
«Мы работали над созданием большей способности принимать решения на материальном уровне”, – рассказывает он. «Материалы, которые меняют форму в ответ на стимул, также могут “решать”, как модулировать этот стимул, в зависимости от того, как они деформируются, – корректируя или корректируя свое следующее движение”.
В 2018 году его лаборатория продемонстрировала это с помощью геля, который может саморегулировать свое движение. С тех пор они показали, что тот же принцип применим к целому ряду мягких материалов, включая жидкокристаллические эластомеры, которые эффективно работают на воздухе.
Ключом к API является нелинейная обратная связь с опозданием по времени. В традиционных работах система управления анализирует сенсорные данные и сообщает машине, что делать. Подход Хэ внедряет эту логику непосредственно в сами материалы.
«В робототехнике вам нужны датчики и управление, а также принятие решений между ними”, – объясняет он. «Это то, что мы внедряем физически, используя петли обратной связи”.
Он сравнивает это с биологическими системами. Отрицательная обратная связь, такая как регулировка уровня глюкозы в крови или термостат, работает для устранения перебоев. Положительная обратная связь усиливает изменения. Нелинейная обратная связь сочетает в себе и то, и другое, обеспечивая контролируемое ритмическое поведение – например, маятниковую или прогулочную походку.
«Многие естественные движения, такие как ходьба или плавание, зависят от повторяющихся, устойчивых движений”, – говорит он. «Благодаря нелинейной обратной связи с задержкой во времени мы можем создавать мягких роботов, которые будут двигаться вперед, назад и снова вперед – без необходимости внешнего контроля на каждом этапе”.
Это представляет собой значительный шаг вперед по сравнению с мягкими роботами, которые для функционирования полагаются на внешние стимулы, о чем Хе с коллегами рассказали в недавнем обзорном документе. Интегрируя сенсорику, контроль и приведение в действие в самом материале, исследователи, подобные ему, прокладывают путь к машинам, которые не просто реагируют, но принимают решения, адаптируются и действуют самостоятельно.
Будущее мягкое (и разумное)
Мягкая робототехника-новая область, но у нее большие перспективы. Ласки указывает на хирургические инструменты, такие как эндоскопы, которые могли бы одновременно исследовать чувствительные ткани человека и реагировать на них, или реабилитационные устройства, которые могли бы изгибаться или адаптироваться к потребностям пациента, в качестве раннего и очевидного применения.
Следовательно, для перехода от искусственного интеллекта на основе угадывания и статистики к полноценному человекоподобному интеллекту (AGI) машин могут потребоваться тела, в частности, мягкие. Большая часть жизни на Земле, включая людей, учится, двигаясь, касаясь, терпя неудачи и приспосабливаясь. Мы знаем, как справляться с непредсказуемым, хаотичным миром – с чем современные ИИ все еще борются. Мы знаем, что такое яблоко, не потому, что читали определение, а потому, что держали его в руках, пробовали на вкус, ломали, разрезали, мяли, наблюдали, как оно гниет.
Такого рода знаниям – неявным, сенсорным, контекстуальным-трудно научить модель, которая видит только текст или пиксели. Прямая связь с реальным миром и обратная связь с ним позволяют обойти языковые ограничения, с которыми ныне сталкиваются LLM, и предоставляют ИИ возможность сформировать иное понимание мира.
Представление о мире с его собственной точки зрения, не человеческое, а нечто иное. Если бы мягкому роботу давали различные виды сенсорных сигналов (например, инфракрасное зрение, низкочастотный слух или способность чувствовать запах рака или других заболеваний), он мог бы даже развить альтернативное (и, возможно, сверхполезное) понимание жизни на Земле.
«Если вы хотите развить в машине что – то вроде человеческого интеллекта, машина должна иметь возможность получить свой собственный опыт”, — сказал Джулио Сандини, профессор биоинженерии в Университете Генуи, Италия. Вы должны позволить ему учиться на собственном опыте, как это делают дети. И для этого, вероятно, нужно тело.
По материалам: New Atlas
