Por que os cientistas estão ensinando robôs a brincar de esconde-esconde

Inteligência artificial geral, a ideia de uma IA inteligente. agente que é capaz de compreender e aprender qualquer tarefa intelectual que os humanos possam realizar, há muito tempo é um componente da ficção científica. Como IA fica cada vez mais inteligente – especialmente com avanços em ferramentas de aprendizado de máquina que são capazes de reescrever seus código para aprender com novas experiências - é cada vez mais parte de conversas reais sobre inteligência artificial, pois bem.

Mas como medimos o AGI quando ele chega? Ao longo dos anos, os pesquisadores apresentaram uma série de possibilidades. O mais famoso continua sendo o Teste de Turing, no qual um juiz humano interage, sem ser visto, tanto com humanos quanto com uma máquina, e deve tentar adivinhar qual é qual. Dois outros, Robot College Student Test de Ben Goertzel e Nils J. O Teste de Emprego de Nilsson busca testar de forma prática as habilidades de uma IA, verificando se ela poderia obter um diploma universitário ou realizar empregos no local de trabalho. Outro, que eu pessoalmente adoraria desconsiderar, postula que a inteligência pode ser medida pela capacidade bem-sucedida de montar móveis flatpack no estilo Ikea sem problemas.

Uma das medidas AGI mais interessantes foi apresentada pelo cofundador da Apple, Steve Wozniak. Woz, como é conhecido pelos amigos e admiradores, sugere o Teste do Café. Uma inteligência geral, disse ele, significaria um robô capaz de entrar em qualquer casa do mundo, localizar a cozinha, preparar uma xícara de café fresco e depois despejá-lo em uma caneca.

Tal como acontece com cada IA. teste de inteligência, você pode argumentar sobre quão amplos ou restritos são os parâmetros. No entanto, a ideia de que a inteligência deve estar ligada à capacidade de navegar no mundo real é intrigante. É também algo que um novo projeto de pesquisa procura testar.

Construindo mundos

“Nos últimos anos, a IA. comunidade fez grandes avanços no treinamento de IA. agentes para realizar tarefas complexas”, Lucas Weiss, disse um cientista pesquisador do Allen Institute for AI, um laboratório de inteligência artificial fundado pelo falecido cofundador da Microsoft, Paul Allen, à Digital Trends.

Weihs citou o desenvolvimento de IA da DeepMind. agentes que são capazes de aprender a jogue jogos clássicos do Atari e vencer jogadores humanos em Go. No entanto, Weihs observou que estas tarefas estão “frequentemente desligadas” do nosso mundo. Mostre uma imagem do mundo real para uma IA. treinado para jogar jogos de Atari e não terá ideia do que está vendo. É aqui que os pesquisadores do Allen Institute acreditam ter algo a oferecer.

O Instituto Allen para IA construiu uma espécie de império imobiliário. Mas este não é um imóvel físico, mas sim um imóvel virtual. Foram desenvolvidas centenas de salas e apartamentos virtuais – incluindo cozinhas, quartos, banheiros e salas de estar – nos quais a I.A. os agentes podem interagir com milhares de objetos. Esses espaços possuem física realista, suporte para múltiplos agentes e até estados como quente e frio. Ao permitir que A.I. agentes atuam nesses ambientes, a ideia é que eles possam construir uma percepção mais realista do mundo.

“Em [nosso novo] trabalho, queríamos entender como a IA. os agentes poderiam aprender sobre um ambiente realista jogando um jogo interativo dentro dele”, disse Weihs. “Para responder a essa pergunta, treinamos dois agentes para jogar Cache, uma variante do esconde-esconde, usando aprendizagem por reforço adversário dentro do sistema de alta fidelidade. Ambiente AI2-THOR. Através desta jogabilidade, constatamos que nossos agentes aprenderam a representar imagens individuais, aproximando-se da atuação de métodos exigindo milhões de imagens rotuladas à mão - e até começou a desenvolver alguns primitivos cognitivos frequentemente estudados por [desenvolvimentistas] psicólogos.”

Regras do jogo

Ao contrário do esconde-esconde normal, no Cache, os bots se revezam para esconder objetos como desentupidores de banheiro, pães, tomates e muito mais, cada um com sua própria geometria individual. Os dois agentes - um que esconde e o outro um buscador - competem então para ver se um consegue esconder o objeto do outro. Isso envolve uma série de desafios, incluindo exploração e mapeamento, compreensão da perspectiva, ocultação, manipulação de objetos e busca. Tudo é simulado com precisão, até mesmo a exigência de que o ocultador seja capaz de manipular o objeto em sua mão e não deixá-lo cair.

Usando aprendizado por reforço profundo - um paradigma de aprendizado de máquina baseado em aprender a realizar ações em um ambiente para maximizar a recompensa - os bots ficam cada vez melhores em esconder os objetos, bem como em buscar eles para fora.

“O que torna isso tão difícil para as IAs é que elas não veem o mundo da mesma forma que nós”, disse Weihs. “Bilhões de anos de evolução fizeram com que, mesmo quando crianças, nossos cérebros traduzissem eficientemente fótons em conceitos. Por outro lado, uma IA. começa do zero e vê seu mundo como uma enorme grade de números que então deve aprender a decodificar em significado. Além disso, ao contrário do xadrez, onde o mundo está contido em 64 casas, cada imagem vista pelo agente captura apenas uma imagem. pequena fatia do meio ambiente e, portanto, deve integrar suas observações ao longo do tempo para formar uma compreensão coerente do mundo."

Para ser claro, este último trabalho não se trata de construir uma IA superinteligente. Em filmes como Terminator 2: Dia do Julgamento, o supercomputador Skynet atinge a autoconsciência precisamente às 2h14, horário do leste dos EUA, em 29 de agosto de 1997. Apesar da data, agora quase um quarto de século no nosso espelho retrovisor coletivo, parece improvável que haja um ponto de inflexão tão preciso quando a IA regular for lançada. torna-se AGI. Em vez disso, mais e mais frutos computacionais - mais fáceis e mais fáceis de alcançar - serão colhidos até que finalmente tenhamos algo que se aproxime de uma inteligência generalizada em múltiplos domínios.

Coisas difíceis são fáceis, coisas fáceis são difíceis

Os pesquisadores tradicionalmente gravitam em torno de problemas complexos para IA. resolver com base na ideia de que, se os problemas difíceis podem ser resolvidos, os fáceis não deveriam ficar muito atrás. Se você pode simular a tomada de decisão de um adulto, ideias como a permanência do objeto (a ideia de que os objetos ainda existem quando não podemos vê-los) que uma criança aprende nos primeiros meses de vida realmente provam que difícil? A resposta é sim — e esse paradoxo de que, quando se trata de IA, o coisas difíceis são frequentemente fáceis, e as coisas fáceis são difíceis, é o que um trabalho como este pretende abordar.

“O paradigma mais comum para treinar IA. agentes [envolve] enormes conjuntos de dados rotulados manualmente, focados em uma única tarefa – por exemplo, reconhecer objetos”, disse Weihs. “Embora esta abordagem tenha tido grande sucesso, acho otimista acreditar que podemos criar manualmente conjuntos de dados suficientes para produzir uma IA. agente que pode agir de forma inteligente no mundo real, comunicar-se com humanos e resolver todos os tipos de problemas que nunca encontrou antes. Para fazer isso, acredito que precisaremos permitir que os agentes aprendam os primitivos cognitivos fundamentais que consideramos garantidos, permitindo-lhes interagir livremente com o seu mundo. Nosso trabalho mostra que usar a jogabilidade para motivar a I.A. agentes interagirem e explorarem seu mundo faz com que eles comecem a aprender essas primitivas - e, assim, mostra que a jogabilidade é uma direção promissora, longe dos conjuntos de dados rotulados manualmente e em direção à experiência aprendizado."

A artigo descrevendo este trabalho será apresentado na próxima Conferência Internacional sobre Representações de Aprendizagem de 2021.

Recomendações dos Editores

• Ilusões de ótica podem nos ajudar a construir a próxima geração de IA
• A fórmula engraçada: por que o humor gerado por máquina é o Santo Graal da IA
• Leia a estranhamente bela “escritura sintética” de uma IA. que pensa que é Deus
• Arquitetura algorítmica: devemos deixar a I.A. projetar edifícios para nós?
• IA com detecção de emoção está aqui e pode estar na sua próxima entrevista de emprego