李菲菲的新团队作品发表在《自然》 Subissue :上AI有身体会更聪明吗
如果AI有身体，会不会变得更智能。
答案是，会的。
最近几天，美国斯坦福大学教授李菲菲领导的团队发现，身体形态会影响虚拟生物Unimal在复杂环境中的适应和学习能力，复杂环境也会促进形态智能的进化。
这项名为《通过学习和进化实现具身智能》的研究发表在《自然通讯》杂志上。
李菲菲说:我们通常关注人工智能如何实现人脑中神经元的功能，但将人工智能视为具有物理实体的东西将是完全不同的范式。
现在，我们已经看到人工智能在视觉和语言研究方面取得了巨大进步，并将降低在‘虚拟/网络’世界中做事的成本可是，真正以好的方式影响人类生活的技术，如帮助老年人或帮助人们做危险的工作，目前仍然遥不可及因此，当我们有具有物理实体的代理时，这种影响将是巨大的，并有希望使人类变得更好
研究小组创建了一个计算机模拟的操场，在这里，被称为单一动物的类似节肢动物的代理人学习并受到突变和自然选择的影响。
每一个环境的模拟都是从576个独特的单体开始的，这些单体由一个球体和一个身体组成，而身体是由不同数量的以各种方式排列的圆柱形肢体组成的每个unimal都以同样的方式感知世界，并从同样的神经架构和学习算法开始换句话说，所有的单一个体都是以相同的智力水平开始他们的虚拟生活的，但是他们的身体形状是不同的
在学习阶段，Unimal必须在多变的地形上将一个街区移动到目标位置，这有不同的难度:平坦的地形，街区的山脊，阶梯或平坦的山丘。
团队采用了锦标赛式的达尔文进化方案，在同一环境/任务组合中训练的每一个unimal和其他三个unimal一起参加比赛，选出胜者产生单个后代在面临与父母相同的任务之前，后代将经历一次单一的突变，涉及肢体或关节的变化所有的单胞动物都参加过很多比赛，只会伴随着新后代的出现而衰老
在训练了4000种不同的形态后，研究人员完成了模拟当时，在每种环境下存活的单细胞动物平均经历了10代进化，成功的形式多种多样，包括两足，三足和四足动物，有或没有手臂
在每个环境中完成三次这样的进化后，研究团队从每个环境中选出表现最好的前10只动物，并训练它们从头开始执行8项新任务，如绕过障碍物，操纵球或推动箱子向上倾斜。
最后发现，在变化的地形中unimal的进化比在平坦的地形中更好，并且unimal操纵盒子在变化的地形中表现最好经过10代进化，最成功的unimal在形态学上已经适应得非常好，他们学习同样任务的时间是最早一代的一半
这也与美国心理学家詹姆斯马克鲍德温在19世纪末提出的假说相一致，他推测学习适应优势的能力可以通过达尔文的自然选择传递下去古普塔解释说，自然，我们会选择能更快获得主导行为的身体变化
由于在更复杂的环境中进化的智能体可以更快更好地学习新任务，Gupta和他的同事认为，允许模拟的实体智能体在日益复杂的环境中进化，将为开发在现实世界中执行多项任务的机器人提供灵感。
古普塔说，人类不一定知道如何为奇怪的任务设计机器人身体，比如爬上核反应堆提取废物，地震后提供救灾，引导纳米机器人在人体内移动，包括做洗碗或叠衣服等家务或许唯一的出路就是让进化来设计这些机器人
面对这项研究将如何帮助这些任务实现的问题，古普塔告诉《The Paper》，看待这项研究的另一种方式不是创建智能算法，而是拥有正确的物理形式，这样你就可以轻松完成手头的任务从这个意义上说，理论上你可以优化折叠衣服的机器人的形态
对于接下来的研究项目，古普塔透露，目前的工作只涉及表面，目前的模拟环境和学习行为还是很简单的我们希望扩大范围，同时将一个代理扩展为多个代理也是一个有趣的方向
本报记者邵文
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
