Старре Вартан
Первый робот, который я помню, — это Рози из «Джетсонов», а вскоре за ней последовали учтивый C-3PO и его верный помощник R2-D2 из «Империя наносит ответный удар». Но моим первым бестелесным ИИ был Джошуа, компьютер из «Военных игр», который пытался развязать ядерную войну, пока не узнал о взаимно гарантированном уничтожении и не решил вместо этого сыграть в шахматы. В семь лет это меня изменило. Может ли машина понимать этику? Эмоции? Человечность? Нужно ли искусственному интеллекту тело?
Эти увлечения усиливались по мере того, как становилась всё более сложной сущность нечеловеческого интеллекта, появляясь в таких персонажах, как андроид Бишоп в « Чужих», Дейта в «Звёздном пути: Сверхъестественное», а совсем недавно — Саманта в «Она» или Ава в «Из машины».
Но это уже не просто спекулятивные вопросы. Сегодня робототехники бьются над вопросом: нужно ли искусственному интеллекту тело? И если да, то какое? И затем возникает вопрос «как» все это осуществить: если воплощенный интеллект — это путь к настоящему общему искусственному интеллекту (ОИИ), могут ли мягкие роботы стать ключом к этому следующему шагу?
Пределы бестелесного ИИ
Недавние исследования начинают выявлять недостатки самых передовых (и, что особенно важно, бестелесных) систем искусственного интеллекта. В новом исследовании Apple изучались так называемые «большие модели рассуждений» (LRM) — языковые модели, которые генерируют этапы рассуждения перед ответом. В статье отмечается, что эти системы справляются со многими задачами лучше стандартных LLM, но терпят неудачу, когда задачи становятся слишком сложными. Примечательно, что они не просто достигают плато — они рушатся, даже при наличии более чем достаточной вычислительной мощности.
Хуже того, они не способны рассуждать последовательно и алгоритмически. Их «следы рассуждений» — то, как они решают проблемы — лишены внутренней логики. И чем сложнее задача, тем меньше усилий, по-видимому, затрачивают модели. Авторы приходят к выводу, что эти системы на самом деле «думают» не так, как люди.
«Сейчас мы создаем системы, которые воспринимают слова и предсказывают следующее наиболее вероятное слово… Это сильно отличается от того, что делаем мы с вами», — рассказал The New York Times Ник Фросс, бывший исследователь Google и соучредитель Cohere.
Познание — это больше, чем просто вычисление
Как мы к этому пришли? На протяжении большей части XX века искусственный интеллект следовал модели GOFAI (старый добрый искусственный интеллект), которая рассматривала познание как символическую логику. Ранние исследователи ИИ считали, что интеллект может быть создан путём обработки символов, подобно тому, как компьютер выполняет код. Абстрактное, основанное на символах мышление, безусловно, не нуждается в теле для развития.
Эта идея начала давать сбои, когда ранние роботы с искусственным интеллектом не смогли справиться со сложными условиями реального мира. Исследователи в области психологии, нейробиологии и философии начали задаваться другим вопросом, основанным на более глубоком понимании интеллекта животных и растений, которые адаптируются, обучаются и реагируют на сложные условия окружающей среды. Эти организмы обучаются посредством физических взаимодействий, а не символических идей.
У людей энтеральную нервную систему, которая управляет кишечником, часто называют «вторым мозгом», потому что она использует те же типы клеток и химических веществ, которые мозг использует для пищеварения. Кстати, это те же самые компоненты, которые щупальца осьминога используют для восприятия и реагирования локально, внутри конечности.
Все это поднимает вопрос: что, если основой адаптивного интеллекта является то, что он распределен по всему организму, а не живет только в мозге, оторванном от физического мира?
Это центральная идея телесного познания. Действие, восприятие и мышление неразделимы — это единый процесс. Как заявил Рольф Пфайфер, директор Лаборатории искусственного интеллекта Цюрихского университета, изданию EMBO Reports : «Мозг всегда развивался в контексте тела, взаимодействующего с миром ради выживания. Не существует алгоритмического эфира, в котором он возникает».
Воплощенный интеллект: другой тип мышления
Итак, нам, возможно, понадобятся более умные тела, чтобы работать в паре с искусственным интеллектом, и Сесилия Ласки, пионер в области мягкой робототехники, считает, что умнее значит мягче. После многих лет работы с жёсткими гуманоидными роботами в Японии она переключила свои исследования на машины с мягким телом, вдохновившись осьминогом — животным без скелета, чьи конечности мыслят сами по себе.
«Если у вас есть шагающий робот-человек, вы контролируете все его движения, — говорит она в интервью New Atlas. — Если на местности что-то меняется, приходится немного перепрограммировать».
Но животным не нужно переосмысливать и планировать свои движения при ходьбе. «Наше колено податливо», — объясняет она. «Мы компенсируем неровности поверхности механически, без участия мозга». Это воплощенный интеллект — идея о том, что некоторые элементы познания можно передать на аутсорсинг телу.
Воплощенный интеллект имеет явные преимущества с инженерной точки зрения: перенос функций восприятия, управления и принятия решений на физическую структуру робота означает снижение вычислительных требований к основному мозгу робота, что позволяет создавать машины, способные более эффективно функционировать в непредсказуемых условиях.
В майском специальном выпуске журнала Science Robotics Ласки определяет это следующим образом: «Управление моторикой не полностью контролируется вычислительной системой… моторное поведение частично формируется механически внешними силами, действующими на тело». Поведение формируется окружающей средой, а интеллект приобретается через опыт, а не запрограммирован в программное обеспечение.
Если рассуждать таким образом, интеллект — это не только более быстрые чипы или более крупные модели, но и взаимодействие. Ключ к развитию этого интеллекта — мягкая робототехника, использующая такие материалы, как силикон или специальные ткани, для создания более гибких корпусов роботов. Эти корпуса адаптивны, текучи и способны к обучению в режиме реального времени. Мягкая роботизированная рука, подобно щупальцу осьминога, может захватывать, исследовать и реагировать, не просчитывая каждое движение.
Плоть и обратная связь: как заставить материалы думать самостоятельно
Однако, чтобы мягкие роботы работали так же хорошо, как и щупальца, робототехникам необходимо отказаться от программирования на все случаи жизни и вместо этого разработать новые способы восприятия и реагирования машин. Чтобы создать машины с реалистичной автономностью, исследователи обращаются к новой концепции: автономному физическому интеллекту (API).
Симин Хэ, доцент кафедры материаловедения и инженерии Калифорнийского университета в Лос-Анджелесе, стал пионером в этой области, разработав мягкие материалы, такие как чувствительные гели и полимеры, которые не только реагируют на раздражители, но и регулируют собственное движение с помощью встроенной обратной связи.
«Мы работаем над созданием большей способности к принятию решений на материальном уровне», — рассказал он в интервью New Atlas. «Материалы, которые меняют форму в ответ на стимул, также могут “решать”, как модулировать этот стимул, основываясь на характере своей деформации, корректируя своё следующее движение».
В 2018 году лаборатория Хэ продемонстрировала это с помощью геля, способного саморегулировать свои движения. С тех пор они показали, что тот же принцип применим к целому ряду мягких материалов, включая жидкокристаллические эластомеры, эффективно работающие на воздухе.
Ключ к API — нелинейная обратная связь с задержкой. В традиционных роботах система управления анализирует данные с датчиков и сообщает машине, что делать. Его подход предполагает внедрение этой логики непосредственно в сами материалы.
«В робототехнике необходимы сенсоры и исполнительные механизмы, а также принятие решений между ними, — объясняет он. — Именно это мы и реализуем физически, используя контуры обратной связи».
Он сравнивает это с биологическими системами. Отрицательная обратная связь, например, регуляция уровня глюкозы или работа термостата, корректирует перегрузки. Положительная обратная связь усиливает изменения. Нелинейная обратная связь объединяет оба типа, обеспечивая контролируемое ритмичное поведение, например, маятник или ходьбу.
«Многие естественные движения, например, ходьба или плавание, основаны на периодическом, равномерном движении», — говорит он. «Благодаря нелинейной обратной связи с задержкой во времени мы можем создавать мягкие роботы, способные двигаться вперёд, назад и снова вперёд — без необходимости внешнего управления на каждом шагу».
Это значительный шаг вперёд по сравнению с мягкими роботами, функционирующими за счёт внешних стимулов, о чём Хе и её коллеги писали в недавней обзорной статье. Интегрируя сенсорику, управление и приведение в действие непосредственно в материал, исследователи, такие как Хе прокладывают путь к созданию машин, которые не просто реагируют, но и принимают решения, адаптируются и действуют самостоятельно.
Будущее мягкое (и умное)
Мягкая робототехника — это молодая область, но она обещает огромные перспективы. В качестве первых и очевидных вариантов применения Лаши указывает на хирургические инструменты, такие как эндоскопы, которые могут одновременно исследовать и реагировать на чувствительные ткани человека, или реабилитационные устройства, способные гибко адаптироваться к потребностям пациента.
Итак, для перехода от одного вида ИИ к другому машинам могут понадобиться тела, в частности, мягкие и адаптивные. Большая часть жизни на Земле, включая людей, обучается, двигаясь, осязая, терпя неудачи и приспосабливаясь. Мы знаем, как справляться с непредсказуемым, хаотичным миром, с чем современный ИИ всё ещё борется. Мы знаем, что такое яблоко, не потому, что прочитали определение, а потому, что держали его в руках, пробовали на вкус, роняли, разбивали, разрезали, сжимали, наблюдали, как оно гниёт.
Такого рода знаниям — неявным, сенсорным, контекстуальным — сложно научить модель, которая всегда видела только текст или пиксели. Прямая связь с реальным миром и обратная связь с ним позволяют обойти ограничения языка, с которым в настоящее время сталкиваются студенты магистратуры права (LLM), и открывают для ИИ возможность создания иного понимания мира. Восприятия мира с собственной точки зрения, не человеческой, а чего-то иного. Если бы мягкого робота снабдили другими видами сенсорных входов (например, инфракрасным зрением, низкочастотным слухом или способностью чувствовать запах рака и других заболеваний), он мог бы даже развить альтернативное (и, возможно, очень полезное) понимание жизни на Земле.
«Если вы хотите создать в машине что-то вроде человеческого интеллекта, машина должна уметь приобретать собственный опыт», — заявил Джулио Сандини, профессор биоинженерии Генуэзского университета (Италия), агентству EMBO Reports.
Необходимо позволить ей учиться на собственном опыте, как это делают дети. А для этого, вероятно, потребуется тело.
Источник: New Atlas
Перевод с английского
Читайте также:
Изменят ли игрушки на базе искусственного интеллекта детство?
ИИ создает точные изображения улиц, прослушивая их саундтрек
Boston Dynamics и Toyota объединяют усилия и учат Atlas учиться
Coffee Time journal
Твой журнал на каждый день!
