Штучний інтелект сьогодні, схоже, досяг своєї межі розвитку. Він поглинув дані усього інтернету, але все ще надзвичайно далекий від дійсно людиноподібного інтелекту (AGI). Можливо, ШІ повинен мати тіло, щоб його інтелект наблизився до людського?
Недавні статті починають показувати тріщини в найбільш просунутих (і особливо безтілесних) системах штучного інтелекту на сьогоднішній день. У новому дослідженні Apple вивчалися так звані “моделі великого міркування” (LRM) – мовні моделі, які генерують етапи міркування перед відповіддю. Ці системи, наголошується в документі, виконують багато завдань краще, ніж стандартні LLM, але розвалюються, коли проблеми стають занадто складними. Вражаюче, але ці ШІ не просто виходять на плато мислення – інтелект руйнується, навіть при наявності більш ніж достатньою обчислювальної потужності.
Гірше того, безтілесні ШІ не можуть міркувати послідовно або алгоритмічно. Їх схемам міркувань – до того, як вони представлять рішення проблеми, не вистачає внутрішньої логіки. І чим складніше завдання, тим менше зусиль затрачають моделі. Автори приходять до висновку, що ці системи насправді “думають” не так, як люди.
“Те , що ми зараз створюємо , – це пристрої , які сприймають слова і вгадують наступне найбільш ймовірне слово … Це сильно відрізняється від того, що робимо ми з вами”, – сказав Нік Фросст, колишній дослідник Google і співзасновник Cohere.
Пізнання – це щось більше, ніж просто обчислення
Протягом більшої частини 20–го століття штучний інтелект прямував до моделі під назвою “Старий добрий штучний інтелект” (GOFAI), – яка розглядала пізнання як символічну логіку. Ранні дослідники ШІ вважали, що інтелект може бути створений шляхом обробки символів, багато в чому подібно до того, як комп’ютер виконує код. Абстрактному мисленню, що ґрунтується на символах, безумовно не потрібне тіло для розвитку.
Ця ідея почала валитися, коли ранній штучний інтелект роботів не зміг впоратися з брудними умовами реального світу. Дослідники в галузі психології, нейробіології і філософії почали ставити інше питання, засноване на більш глибокому розумінні, отриманому в результаті досліджень інтелекту тварин і рослин, які адаптуються, навчаються і реагують на складні умови навколишнього середовища. Ці організми вчаться за допомогою фізичних взаємодій, а не символічних ідей.
У людей кишкову нервову систему, яка керує нашим кишечником, часто називають “другим мозком”, тому що вона використовує ті ж типи клітин і хімічних речовин, які мозок використовує для перетравлення їжі, – також, до речі, це ті ж компоненти, які щупальце восьминога використовує для сприйняття і реагування кінцівки.
Все це піднімає питання: що, якщо основою адаптації інтелекту є те, що він розподілений по всьому організму , а не живе тільки в мозку, який відірваний від фізичного світу?
Це центральна ідея втіленого пізнання. Дія, відчуття і мислення не розділені – вони являють собою єдиний процес. Як сказав Рольф Пфейфер, директор Лабораторії штучного інтелекту Цюріхського університету: «Мозок завжди розвивався в контексті організму, який взаємодіє з навколишнім світом, щоб вижити. Не існує алгоритмічного середовища, в якому виникають мізки».
Втілений інтелект: інший тип мислення
Таким чином, нам можуть знадобитися більш розумні тіла, що підходять штучному інтелекту, і Сесілія Ласки, піонер в області м’якої робототехніки, після багатьох років роботи з жорсткими гуманоїдними роботами в Японії, перемкнула свої дослідження на машини з м’яким корпусом, надихнувшись восьминогом – твариною, у якої немає скелета і чиї кінцівки думають самі за себе.
“Якщо у вас ходить людина-робот, ви контролюєте всі його рухи”, – говорить вона. “Якщо на місцевості щось змінилося, вам доведеться трохи перепрограмувати”.
Але тваринам не потрібно переосмислювати і планувати свої рухи при ходьбі. “Наше коліно слухняне”, – пояснює вона. “Ми компенсуємо нерівності грунту механічно, без використання мозку”. Це втілений інтелект – ідея про те, що деякі елементи пізнання можуть бути передані тілу на аутсорсинг.
Втілений інтелект має явні переваги з інженерної точки зору. Передача функцій сприйняття, контролю і прийняття рішень фізичною структурою робота означає зниження обчислювальних вимог до основного мозку робота, що призводить до створення машин, які можуть більш ефективно функціонувати в непередбачуваних умовах.
У травневому спеціальному випуску Science Robotics Ласки визначає це так: “Управління руховими процесами не повністю здійснюється обчислювальною системою … рухова поведінка частково формується механічно під дією зовнішніх сил, діючих на тіло”. Поведінка формується навколишнім середовищем, а інтелект засвоюється на досвіді, а не заздалегідь запрограмована в програмному забезпеченні.
Якщо міркувати таким чином, інтелект – це не просто більш швидкі чіпи або більш великі моделі, це ще і взаємодія. Ключем до розвитку інтелекту є область м’якої робототехніки, в якій використовуються такі матеріали, як силікон або спеціальні тканини, для створення більш гнучких тіл роботів. Ці тіла адаптивні, рухливі і здатні до навчання в режимі реального часу. М’яка роботизована рука, схожа на щупальце восьминога, може досліджувати і реагувати без необхідності прораховувати кожен рух.
Плоть і зворотний зв’язок: як змусити матеріали думати самостійно
Однак, щоб м’яка робототехніка працювала так само добре, як щупальце, робототехнікам доводиться відмовитися від програмування на всі випадки життя і замість цього розробляти нові способи сприйняття і реагування машин. Щоб створювати машини з реальною автономністю, дослідники звертаються до нової концепції: автономного фізичного інтелекту (API).
Симинь Хе, ад’юнкт-професор матеріалознавства та інженерії з університету Каліфорнії в Лос-Анджелесі, став піонером у цій області, розробивши м’які матеріали, такі як чутливі гелі і полімери, які не просто реагують на подразники, але і регулюють власний рух за допомогою вбудованого зворотного зв’язку.
“Ми працювали над створенням більшої здатності приймати рішення на матеріальному рівні”, – розповідає він. “Матеріали, які змінюють форму у відповідь на стимул, також можуть “вирішувати”, як модулювати цей стимул, в залежності від того, як вони деформуються, – коригуючи або коректуючи свій наступний рух”.
У 2018 році його лабораторія продемонструвала це за допомогою гелю, який може саморегулювати свій рух. З тих пір вони показали, що той же принцип застосовний до цілого ряду м’яких матеріалів, включаючи рідкокристалічні еластомери, які ефективно працюють на повітрі.
Ключем до API є нелінійний зворотній зв’язок з запізненням за часом. У традиційних роботах система управління аналізує сенсорні дані і повідомляє машині, що робити. Підхід Хе впроваджує цю логіку безпосередньо в самі матеріали.
“У робототехніці вам потрібні датчики і управління, але також і прийняття рішень між ними”, – пояснює він. “Це те, що ми впроваджуємо фізично, використовуючи петлі зворотного зв’язку”.
Він порівнює це з біологічними системами. Негативний зворотний зв’язок, така як регулювання рівня глюкози в крові або термостат, працює для усунення перебоїв. Позитивний зворотний зв’язок підсилює зміни. Нелінійний зворотній зв’язок поєднує в собі і те, і інше, забезпечуючи контрольовану ритмічну поведінку – наприклад, маятникову або прогулянкову ходу.
“Багато природніх рухів, такі як ходьба або плавання, залежать від періодичних, стійких рухів”, – говорить він. “Завдяки нелінійному зворотному зв’язку із затримкою в часі ми можемо спроектувати м’яких роботів, які будуть рухатися вперед, назад і знову вперед – без необхідності зовнішнього контролю на кожному етапі”.
Це являє собою значний крок вперед в порівнянні з м’якими роботами, які для функціонування покладаються на зовнішні стимули, про що Хе з колегами розповіли в недавньому оглядовому документі. Інтегруючи сенсорику, контроль і приведення в дію в самому матеріалі, дослідники, подібні йому, прокладають шлях до машин, які не просто реагують, але приймають рішення, адаптуються і діють самостійно.
Майбутнє м’яке (і розумне)
М’яка робототехніка – нова область, але вона має великі перспективи. Ласки вказує на хірургічні інструменти, такі як ендоскопи, які могли б одночасно досліджувати чутливі тканини людини і реагувати на них, або реабілітаційні пристрої, які могли б згинатися або адаптуватися до потреб пацієнта, в якості раннього і очевидного застосування.
Отже, для переходу від штучного інтелекту на основі вгадування та статистики до повноцінного людиноподібного інтелекту (AGI) машин можуть знадобитися тіла, зокрема, м’які. Більша частина життя на Землі, включаючи людей, вчиться, рухаючись, торкаючись, терплячи невдачі і пристосовуючись. Ми знаємо, як справлятися з непередбачуваним, хаотичним світом – з чим сучасні ШІ все ще борються. Ми знаємо, що таке яблуко, не тому, що читали визначення, а тому, що тримали його в руках, пробували на смак, ламали, розрізали, м’яли, спостерігали, як воно гниє.
Такого роду знанням – неявним, сенсорним, контекстуальним – важко навчити модель, яка бачить тільки текст або пікселі. Прямий зв’язок з реальним світом і зворотний зв’язок з ним дозволяють обійти мовні обмеження, з якими нині стикаються LLM, і надають ШІ можливість сформувати інше розуміння світу.
Уявлення про світ з його власної точки зору, не людське, а щось інше. Якби м’якого робота забезпечили різними видами сенсорних сигналів (наприклад, інфрачервоним зором, низькочастотним слухом або здатністю відчувати запах раку або інших захворювань), він міг би навіть розвинути альтернативне (і, можливо, надкорисне) розуміння життя на Землі.
“Якщо ви хочете розвинути в машині щось на зразок людського інтелекту, машина повинна мати можливість отримати свій власний досвід”, – сказав Джуліо Сандини, професор біоінженерії в Університеті Генуї, Італія. Ви повинні дозволити йому вчитися на власному досвіді, як це роблять діти. І для цього, ймовірно, потрібно тіло.
За матеріалами: New Atlas