Ρομπότ και ανθρώπινες δεξιότητες σημειώσατε χ! το τελευταίο πρόγραμμα από την ομάδα τεχνητής νοημοσύνης της Google, DeepMind, νίκησε εμπειρογνώμονες σε ένα παιχνίδι που προσομοίωνε έναν πραγματικό λαβύρινθο, αφού έμαθε να βρει την έξοδο σαν άνθρωπος.
Οι επιστήμονες παρατήρησαν ότι όταν εκπαιδεύονταν το AI για να περάσουν από ένα τοπίο, αναπτύχθηκε αυθόρμητα μια ηλεκτρική δραστηριότητα παρόμοια με αυτή που παρατηρείται στα εξειδικευμένα κύτταρα του εγκεφάλου που υποστηρίζουν τις ανθρώπινες ικανότητες πλοήγησης. Τα λεγόμενα «κυψελιδικά πλέγματα» εντοπίστηκαν μόνο σε ζώα το 2005 σε εργασίες που “χάρισαν” σε ερευνητές το βραβείο Νόμπελ!
Η τελευταία ανακάλυψη αποκαλύπτει την πιθανότητα να εμφανιστεί η δραστηριότητα του ανθρώπινου εγκεφάλου από το μηδέν στα συστήματα AI. Πέρα από τα πιο έξυπνα προγράμματα, ανοίγει το δρόμο για τους μηχανικούς υπολογιστών να δημιουργήσουν μοντέλα που βοηθούν τους νευροεπιστήμονες να κατανοήσουν καλύτερα τον ανθρώπινο εγκέφαλο. Μετά την ανακάλυψη των κελιών πλέγματος AI, οι ερευνητές του DeepMind πραγματοποίησαν μια βελτιωμένη έκδοση του προγράμματος. Εξοπλισμένο με τα τεχνητά κύτταρα του πλέγματος, το AI ήταν ταχύτερο και βρήκε συντομεύσεις που κατά καιρούς προκαλούσαν πτώση όταν οι πόρτες στο περιβάλλον άνοιξαν ξαφνικά.
“Εκτελεί λειτουργίες όπως τα ζώα, ενώ τους δίνονται διαδρομές όποτε είναι δυνατόν και συντομεύσεις διαδρομών όταν είναι διαθέσιμες”, δήλωσε ο Dharshan Kumaran, ανώτερος ερευνητής στο DeepMind. “Με τα κελιά του δικτύου, η απόδοσή του είναι σημαντικά βελτιωμένη στο σημείο που ξεπερνά έναν έμπειρο άνθρωπο παίκτη.”
Το εν λόγω κατόρθωμα αποτελεί ένα ορόσημο στον τομέα της τεχνητής νοημοσύνης. Μέχρι τώρα η χρησιμοποιούμενη τεχνολογία αποδείχθηκε υπεράνθρωπη σε αναγνώριση αντικειμένων και σε παιχνίδια όπως το σκάκι, το Go και το πόκερ, αλλά όχι η πολύ διαφορετική γνωστική πρόκληση της αποτελεσματικής πλοήγησης.
Η έρευνα ανοίγει νέες δυνατότητες. Καθώς το πρόγραμμα AI ανέπτυξε δραστηριότητα που μοιάζει με εγκεφάλου από το μηδέν, οι επιστήμονες πιστεύουν ότι μια παρόμοια προσέγγιση θα μπορούσε να ρίξει φως σε άλλες μυστηριώδεις διαδικασίες στον ανθρώπινο εγκέφαλο, όπως για παράδειγμα πώς ελέγχονται τα άκρα. Και θα μπορούσε να το κάνει χωρίς καμία ανάγκη για πειράματα ζώων ή ανθρώπων.
“Δεν υπάρχει κανένας λόγος για τον οποίο δεν θα μπορούσαμε να το χρησιμοποιήσουμε για να κατανοήσουμε διαφορετικές λειτουργίες που ο εγκέφαλος εκτελεί. Θα μπορούσε να είναι η αρχή για πειράματα που δεν θα κάνατε διαφορετικά “, δήλωσε ο Caswell Barry, νευρολόγος του Πανεπιστημιακού Κολλεγίου του Λονδίνου, ο οποίος εργάστηκε στο έργο.
Σύμφωνα με το περιοδικό Nature, οι επιστήμονες περιγράφουν πώς έχτισαν ένα «βαθύ νευρωνικό δίκτυο», ένα πρόγραμμα υπολογιστή που χρησιμοποιεί πολλαπλά στρώματα τεχνητών νευρώνων για να επεξεργάζεται πληροφορίες. Στη συνέχεια μαθαίνουν στο πρόγραμμα τα βασικά στοιχεία της πλοήγησης, τροφοδοτώντας τα είδη των σημάτων που κωδικοποιούν την ταχύτητα και την κατεύθυνση στους εγκεφάλους των αρουραίων τροφής. Με ανατροφοδότηση σχετικά με την απόδοσή του, το AI βελτιωνόταν ολοένα και περισσότερο στο να προβλέπει πού βρισκόταν όταν κινούταν γύρω από ένα εικονικό περιβάλλον.
Με άλλα λόγια, η τεχνητή νοημοσύνη χρησιμοποίησε μόνη της την ίδια στρατηγική νοητικής πλοήγησης στο χώρο, την οποία χρησιμοποιεί και η βιολογική νοημοσύνη. Το επίτευγμα αυτό αναμένεται να βοηθήσει τους νευροεπιστήμονες στις έρευνές τους για τη λειτουργία του εγκεφάλου.
Οι ερευνητές της Deep Mind και του University College του Λονδίνου (UCL), με επικεφαλής τον Ντάρσαν Κουμαράν, που έκαναν τη σχετική δημοσίευση στο περιοδικό “Nature”, χρησιμοποίησαν το νέο σύστημα για να εκπαιδεύσουν ένα ψηφιακό αρουραίο να βρίσκει την έξοδο σε ένα επίσης ψηφιακό λαβύρινθο πιο γρήγορα και από ένα άνθρωπο έμπειρο σε αυτό το παιγνίδι.
Οι ειδικοί έκαναν λόγο για επίτευγμα- ορόσημο στο πεδίο της τεχνητής νοημοσύνης. Μέχρι σήμερα προγράμματα αυτού του είδους είχαν πετύχει εντυπωσιακά πράγματα και είχαν νικήσει τους ανθρώπους σε διάφορα επιτραπέζια παιγνίδια (σκάκι, πόκερ, Go κ.α.), αλλά η πλοήγηση σε ένα λαβύρινθο αποτελεί ξεχωριστή πρόκληση.
