L’evoluzione dell’apprendimento è la chiave per una migliore intelligenza artificiale
Dal “2001: Odissea nello spazio”, le persone si sono chieste: potrebbero esistere macchine come HAL 9000 in grado di elaborare le informazioni con intelligenza umana?
I ricercatori della Michigan State University affermano che la vera intelligenza a livello umano rimane molto lontana, ma il loro nuovo articolo pubblicato su The American Naturalist esplora come i computer potrebbero iniziare ad evolvere l’apprendimento allo stesso modo degli organismi naturali, con implicazioni per molti campi, compresa l’intelligenza artificiale.
“Sappiamo che tutti gli organismi sono in grado di apprendere una qualche forma, semplicemente non eravamo sicuri di come si siano evolute queste abilità. Ora possiamo guardare questi grandi eventi evolutivi che si svolgono davanti a noi in un mondo virtuale “, ha affermato Anselmo Pontes, ricercatore di informatica della MSU e autore principale. “Comprendere come si è evoluto il comportamento di apprendimento ci aiuta a capire come funziona e fornisce approfondimenti su altri campi come neuroscienza, educazione, psicologia, comportamento animale e persino AI. Fornisce anche indizi su come funzionano i nostri cervelli e potrebbe persino portare a robot che imparano dalle esperienze con la stessa efficacia degli umani. ”
Secondo Fred Dyer, professore e coautore di biologia integrativa della MSU, queste scoperte hanno il potenziale per enormi implicazioni.
“Stiamo districando la storia di come è nata la nostra cognizione e di come ciò può plasmare il futuro”, ha detto Dyer. “Comprendere le nostre origini può portarci a sviluppare robot in grado di guardare e apprendere piuttosto che essere programmati per ogni singolo compito.”
I risultati sono la prima dimostrazione che mostra l’evoluzione dell’apprendimento associativo in un organismo artificiale senza cervello.
Ecco un video che mostra il processo.
“La nostra ispirazione è stata il modo in cui gli animali imparano i punti di riferimento e li usano per navigare nei loro ambienti”, ha detto Pontes. “Ad esempio, negli esperimenti di laboratorio, le api mellifere imparano ad associare determinati colori o forme a direzioni e navigano in labirinti complessi.”
Poiché l’evoluzione dell’apprendimento non può essere osservata attraverso i fossili, e richiederebbe più di una vita per osservarli in natura, il team interdisciplinare MSU composto da biologi e scienziati informatici ha utilizzato un programma di evoluzione digitale che ha permesso loro di osservare decine di migliaia di generazioni di evoluzione in poche ore, un’impresa impossibile con i sistemi viventi.
In questo caso, gli organismi si sono evoluti per imparare e usare i segnali ambientali per aiutarli a navigare nell’ambiente e trovare cibo.
“L’apprendimento è fondamentale per la maggior parte dei comportamenti, ma non abbiamo potuto osservare direttamente come l’apprendimento è iniziato in primo luogo dai nostri antenati puramente istintuali”, ha detto Dyer. “Abbiamo integrato varie pressioni selettive che pensavamo potessero svolgere un ruolo e guardassero cosa è successo al computer”.
Mentre l’ambiente è stato simulato, l’evoluzione è stata reale. I programmi che controllavano l’organismo digitale erano soggetti a variazioni genetiche da mutazione, eredità e selezione competitiva. Agli organismi è stato assegnato il compito di seguire una scia accanto a segnali che, se interpretati correttamente, indicavano il percorso successivo.
All’inizio della simulazione, gli organismi erano “liste vuote”, incapaci di rilevare, muoversi o apprendere. Ogni volta che un organismo si riproduceva, i suoi discendenti potevano subire mutazioni che cambiavano il loro comportamento. La maggior parte delle mutazioni erano letali. Alcuni non hanno fatto nulla. Ma i rari tratti che hanno permesso a un organismo di seguire meglio la pista hanno portato l’organismo a raccogliere più risorse, a riprodursi più spesso e, quindi, a guadagnare quote nella popolazione.
Nel corso delle generazioni, gli organismi hanno sviluppato comportamenti sempre più complessi. Prima arrivarono dei semplici movimenti che permettevano loro di inciampare nel cibo. Successivamente è stata la capacità di rilevare e distinguere diversi tipi di segnali, seguita dalla capacità riflessiva di correggere errori, come provare un percorso errato, eseguire il backup e provare un altro.
Alcuni organismi hanno sviluppato la capacità di apprendere per associazione. Se uno di questi organismi avesse fatto una svolta sbagliata, avrebbe corretto l’errore, ma avrebbe anche imparato da quell’errore e avrebbe associato il segnale specifico che vedeva nella direzione in cui ora sapeva che avrebbe dovuto andare. Da quel momento in poi, avrebbe percorso l’intero sentiero senza ulteriori errori. Alcuni organismi potrebbero persino riapprendere se ingannati scambiando segnali a metà percorso.
“L’evoluzione nella natura potrebbe richiedere troppo tempo per studiare”, ha detto Pontes, “ma l’evoluzione è solo un algoritmo, quindi può essere replicata su un computer. Non siamo stati solo in grado di vedere come determinati ambienti favorissero l’evoluzione dell’apprendimento, ma abbiamo visto le popolazioni evolversi attraverso le stesse fasi comportamentali che i precedenti scienziati avevano ipotizzato, ma non disponevamo della tecnologia per vedere ”.
Altri co-autori di MSU includono Robert Mobley, Charles Ofria e Christoph Adami. Questo progetto è stato sviluppato attraverso il Centro BEACON per lo studio dell’evoluzione in azione , che riunisce biologi, informatici e ingegneri per illuminare e sfruttare il potere dell’evoluzione.
“Pontes e colleghi hanno evoluto l’apprendimento associato in un computer dalle materie prime di mutazione, eredità e selezione competitiva”, ha affermato George Gilchrist, direttore del programma della National Science Foundation , che finanzia il centro scientifico e tecnologico BEACON. “Questo apre le porte alla creazione di sistemi di intelligenza artificiale senza i limiti imposti dal design umano.”
https://www.journals.uchicago.edu/doi/abs/10.1086/706252
Fonte: msutoday.msu.edu
