Die meisten Menschen suchen natürlich nach dem kürzesten Weg zwischen zwei Punkten. Es spart Zeit, Energie und häufig Kopfschmerzen, um den schnellsten und effizientesten Weg von Punkt A nach Punkt B zu finden. Diese Fähigkeit ist jedoch nicht mehr spezifisch für Lebewesen.Ein Team von Ingenieuren entwickelte ein Programm für künstliche Intelligenz, das lernte, durch ein kompliziertes Labyrinth nach Abkürzungen zu suchen.
Während die Ingenieure den Grundstein für die Suche nach Verknüpfungen der KI legten, brachte sich das Programm effektiv selbst bei - Entwicklung von Strukturen und Methoden, ähnlich wie Menschen Verknüpfungen bei ihrer eigenen Problemlösung entwickeln.
Die Studie wurde in der neuesten Ausgabe der Zeitschrift veröffentlicht Natur und es kommt von Forschern, die an der DeepMind-Gruppe . Dieser Name sollte denjenigen bekannt sein, die Fans künstlicher Intelligenz sind. DeepMind ist das britische KI-Unternehmen, für das verantwortlich ist. AlphaGo - das autodidaktische Computersystem, das einige der weltbesten Go-Spieler besiegt hat.
Diese spezielle Studie bedeutet etwas mehr für die KI als das Hervorragende bei einem Spiel. DeepMind-Forscher stellten fest, dass die KI, wenn sie trainierte, sich durch ein Labyrinth zu bewegen, spontan eine elektrische Aktivität auslöste, die der im menschlichen Gehirn ähnelt.Diese Aktivität findet in sogenannten "Gitterzellen" statt. Die Identifizierung dieser Zellen führte vor einigen Jahren zu einem Nobelpreis. Dieser Durchbruch könnte zu einem wachsenden Potenzial für KI-Systeme führen, wesentlich "menschlicher" zu agieren.
„Es macht die Art von Dingen, die Tiere tun, und das heißt, wo immer möglich direkte Routen und Abkürzungen zu nehmen, wenn sie verfügbar sind.“ sagte Dharshan Kumaran, ein leitender Forscher bei DeepMind. „Mit den Gitterzellen wird die Leistung deutlich verbessert, so dass sie einen erfahrenen menschlichen Spieler übertrifft.“
Der Neurowissenschaftler der Johns Hopkins University, Francesco Savelli, erklärte mehr über das KI-Gehirn und seine Architektur. Savelli war an diesem speziellen Artikel nicht beteiligt, verfügt jedoch über umfassende Kenntnisse der KI-Systeme. Diese Systeme verfügen nicht über die erforderlichen VoraussetzungenSavelli emuliert die Vielfalt realer Neuronen, sagte Savelli gegenüber Phys.org in einem Interview .
"Es wird angenommen, dass der größte Teil des Lernens mit der Stärkung und Schwächung dieser Synapsen stattfindet", sagte Savelli in einem Interview und sprach über die Verbindungen zwischen Neuronen. "Und das gilt auch für diese KI-Systeme - aber genau so, wie Sie es tun."und die Regeln, die diese Art des Lernens regeln, können im Gehirn und in diesen Systemen sehr unterschiedlich sein. "
Menschen und die meisten anderen Tiere haben dank Gitterzellen kein Problem, sich zu bewegen. Diese Zellen sagen dem Körper genau, wo er sich befindet und wohin er sich bewegt. Die DeepMind-Forscher fragten sich, ob sie eine KI entwickeln könnten, die dies replizieren könnteSie verwendeten Ratten, die in einem Labyrinth nach Nahrung suchten, um das Netzwerk der KI zu trainieren. Das Team fütterte sogar die Systemdaten darüber, wie sich die Ratte bewegte und wie schnell sie sich bewegte, zusätzlich zu allen Richtungsinformationen über ihre Wege.
Das Team bemerkte, dass das von der KI kontrollierte simulierte Nagetier diese gitterzellenähnlichen Aktivitäten entwickelte - obwohl es niemals Gitterzellen in das Training des Programms einbezog.
"Die Entstehung gitterartiger Einheiten ist ein beeindruckendes Beispiel für tiefes Lernen, das das tut, was es am besten kann: eine originelle, oft unvorhergesehene interne Darstellung zu erfinden, um eine Aufgabe zu lösen", sagten Savelli und sein Kollege James Knierim in einem Kommentar zumDeepMind-Papier.