I ricercatori danno un comportamento spontaneo all’IA robotica
Ricercatori e robotisti cercano continuamente di ottenere funzioni autonome nei robot e spesso guardano al cervello animale come punto di ispirazione per i meccanismi di controllo. A causa della natura specifica dell’attività del comportamento robotico, a causa della dipendenza da moduli e metodologie di controllo predefiniti, sono spesso limitati in termini di flessibilità.
L’ultimo sviluppo in quest’area sta uscendo dall’Università di Tokyo, dove i ricercatori hanno creato un metodo alternativo basato sull’apprendimento automatico per dare comportamenti spontanei all’IA robotica. Il team ha fatto affidamento su schemi temporali complessi, come le attività neurali del cervello di un animale.
La ricerca è stata pubblicata su Science Advances , intitolata ” Designing spontaneous behavioral switching through caotic itinerancy “.
Caos ad alta dimensione
Un sistema dinamico è un modello matematico degli stati interni in continua evoluzione di qualcosa, che descrive i robot e il loro software di controllo. I ricercatori sono particolarmente concentrati sul caos ad alta dimensione, una classe di sistemi dinamici, grazie alla sua impressionante capacità di modellare il cervello degli animali.
A causa della complessità e della sensibilità alle diverse condizioni iniziali, il caos ad alta dimensione è particolarmente difficile da controllare. Per avanzare nel campo e superare questo ostacolo, i ricercatori del Laboratorio di sistemi e informatica intelligenti e del Centro di ricerca sull’intelligenza artificiale di nuova generazione presso l’Università di Tokyo, hanno sviluppato nuovi modi per utilizzare il caos ad alta dimensione per fornire ai robot funzioni cognitive simili a gli esseri umani.
Katsuma Inoue è una studentessa di dottorato che lavora alla ricerca.
“C’è un aspetto del caos ad alta dimensione chiamato itineranza caotica (CI) che può spiegare l’attività cerebrale durante il richiamo e l’associazione della memoria”, ha detto Inoue. “Nella robotica, CI è stato uno strumento chiave per l’implementazione di modelli comportamentali spontanei. In questo studio, proponiamo una ricetta per implementare CI in modo semplice e sistematico utilizzando solo complicati modelli di serie temporali generati dal caos ad alta dimensione. Abbiamo ritenuto che il nostro approccio avesse il potenziale per applicazioni più robuste e versatili quando si tratta di progettare architetture cognitive. Ci consente di progettare comportamenti spontanei senza strutture esplicite predefinite nel controller, che altrimenti servirebbero da ostacolo “.
Cos’è Reservoir Computing (RC)
Il team ha fatto molto affidamento sul reservoir computing (RC), una tecnica di apprendimento automatico che coinvolge la teoria dei sistemi dinamici. L’RC viene utilizzato per controllare le reti neurali ricorrenti (RNN) e mantiene fissa la maggior parte delle connessioni di un RNN alterando solo alcuni parametri. Questo è diverso da altri approcci di apprendimento automatico, che spesso alterano leggermente tutte le connessioni neurali in una rete neurale, e fa sì che il sistema possa essere addestrato più velocemente.
I ricercatori hanno ottenuto il risultato desiderato applicando i principi RC a un RNN caotico, e ha finito per dimostrare modelli comportamentali spontanei. La formazione per la rete avviene rapidamente e prima dell’esecuzione.
“I cervelli degli animali producono caos ad alta dimensione nelle loro attività, ma come e perché utilizzano il caos rimane inspiegabile. Il nostro modello proposto potrebbe offrire informazioni su come il caos contribuisce all’elaborazione delle informazioni nel nostro cervello “, ha affermato Kohei Nakajima, professore associato all’università. “Inoltre, la nostra ricetta avrebbe un impatto più ampio al di fuori del campo delle neuroscienze poiché può potenzialmente essere applicata anche ad altri sistemi caotici. Ad esempio, i dispositivi neuromorfici di nuova generazione ispirati da neuroni biologici potenzialmente mostrano un caos ad alta dimensione e sarebbero ottimi candidati per implementare la nostra ricetta. Spero che presto vedremo implementazioni artificiali delle funzioni cerebrali “.
Lo sviluppo è significativo per i settori della robotica e dell’intelligenza artificiale (AI), poiché i ricercatori hanno affrontato questa sfida da tempo. È l’esempio più recente di come i campi stiano avanzando a un ritmo veloce.
