学习的学习发展是改善人工智能的关键

2021-11-13 06:17:38储若生导读 自 2001：太空漫游以来，人们一直在想：像HAL 9000这样的展改机器最终是否会存在，它们能够以类似人类的善人情报来处理信息?密歇根州立大学的研

自“ 2001：太空漫游”以来，人们一直在想：像HAL 9000这样的工智关键机器最终是否会存在，它们能够以类似人类的学习情报来处理信息?

密歇根州立大学的研究人员说，真正的展改，人类水平的善人智能技术还有很长的路要走，但是工智关键他们发表在《自然主义者》上的新论文探讨了计算机如何开始以与自然有机体相同的方式来发展学习，这对许多领域都产生了影响。学习 ，展改包括人工智能。善人

密歇根州立大学计算机科学系的工智关键Anselmo Pontes说：“我们知道所有生物都有能力进行某种形式的学习，只是学习不确定这些能力是如何首先进化的。现在我们可以观察到虚拟世界中发生的展改这些重大进化事件。”研究员和主要作者。善人“了解学习行为的演变方式有助于我们弄清它的工作原理，并为神经科学，教育，心理学，动物行为乃至人工智能等其他领域提供见解。它还为我们的大脑如何工作甚至可能导致机器人产生了线索。像人类一样有效地从经验中学习。”

据密西根州立大学整合生物学教授兼合著者弗雷德·代尔(Fred Dyer)称，这些发现具有潜在的巨大影响。

代尔说：“我们正在解开关于我们自己的认知如何形成以及如何塑造未来的故事。”“了解我们自己的起源可以使我们开发出可以观察和学习而不是为每个单独的任务进行编程的机器人。”

该结果是第一个演示，它显示了在没有大脑的人造生物中联想学习的演变。

庞特斯说：“我们的灵感是动物学习地标并利用它们来导航环境的方式。”“例如，在实验室实验中，蜜蜂学会将某些颜色或形状与方向相关联，并导航复杂的迷宫。”

由于无法通过化石观察到学习的演变，因此需要花费一生以上的时间才能在自然界观察到。因此，由生物学家和计算机科学家组成的MSU跨学科团队使用了一个数字进化程序，该程序可以使他们观察成千上万的进化在短短几个小时内，生命系统无法实现这一壮举。

在这种情况下，有机体进化为学习和利用环境信号来帮助他们导航环境并寻找食物。

代尔说：“学习对大多数行为至关重要，但我们无法直接观察到学习是如何从我们的本能祖先那里开始的。”“我们建立了我们认为可能起作用的各种选择压力，并观察了计算机中发生的事情。”

在模拟环境的同时，演变是真实的。控制数字生物的程序受到了来自突变，遗传和竞争选择的遗传变异的影响。有机体的任务是沿着一条小径并沿着信号(如果正确解释的话)指出路径的下一步。

在模拟开始时，生物是“空白板”，无法感知，移动或学习。每当有机体繁殖时，其后代就可能遭受改变其行为的突变。大多数突变是致命的。有些人什么也没做。但是，使生物能够更好地跟随足迹的稀有特征导致该生物收集更多的资源，繁殖的频率更高，从而获得了种群的份额。

几代人以来，生物进化出越来越复杂的行为。首先是简单的动作，使他们跌入食物。其次是感知和区分不同类型信号的能力，其次是具有反射能力的纠正错误的能力，例如尝试错误的路径，备份并尝试另一种。

一些生物进化出了通过联想学习的能力。如果这些生物体中的一个发生了错误的转弯，它将纠正该错误，但它还将从该错误中吸取教训，并将其看到的特定信号与其现在知道应该消失的方向相关联。从那时起，它将在整个路径中导航，而不会出现任何其他错误。当在尾迹中切换信号时，某些生物甚至可以重新学习。

庞特斯说：“自然界的进化可能需要花费很长时间来研究，但是进化只是一种算法，因此可以在计算机中复制。我们不仅能够看到某些环境如何促进学习的进化，而且我们看到人口在以前的科学家推测应该发生但没有技术可观察的相同的行为阶段进化。”

MSU的其他合著者包括Robert Mobley，Charles Ofria和Christoph Adami。该项目是通过BEACON行动进化研究中心开发的，该中心汇集了生物学家，计算机科学家和工程师，以阐明和利用进化的力量。

科学基金会项目主任乔治·吉尔克里斯特(George Gilchrist)说：“庞特和同事们已经从突变，遗传和竞争性选择的原始要素发展了计算机相关的学习。”“这为创建人工智能系统打开了大门，而不受人为设计的限制。”