Chatbots & Virtual Agents
Η επανάσταση της εξέλιξης των οπτικών συστημάτων μέσα από το MIT
Η πρωτοποριακή έρευνα του MIT για την εξέλιξη των οφθαλμών σε τεχνητούς πράκτορες AI ανοίγει νέους δρόμους στην επιστήμη και την τεχνολογία.
Η εξέλιξη των οφθαλμών στον άνθρωπο είναι ένα από τα πιο αινιγματικά ερωτήματα της βιολογίας. Παρόλο που δεν μπορούμε να γυρίσουμε πίσω στον χρόνο για να μελετήσουμε τις περιβαλλοντικές πιέσεις που διαμόρφωσαν τα διάφορα οπτικά συστήματα στη φύση, οι ερευνητές του MIT ανέπτυξαν ένα νέο υπολογιστικό πλαίσιο που επιτρέπει τη μελέτη αυτής της εξέλιξης σε τεχνητούς πράκτορες AI.
Εξελικτικό εργαστήριο σε τεχνητό περιβάλλον
Το πλαίσιο αυτό λειτουργεί σαν ένα “επιστημονικό sandbox”, όπου οι ενσωματωμένοι πράκτορες AI εξελίσσουν οφθαλμούς και μαθαίνουν να βλέπουν κατά τη διάρκεια πολλών γενεών. Οι χρήστες μπορούν να αναπαράγουν διαφορετικά εξελικτικά δέντρα αλλάζοντας τη δομή του κόσμου και τις αποστολές που οι πράκτορες πρέπει να ολοκληρώσουν, όπως η εύρεση τροφής ή η διάκριση αντικειμένων.
Αυτό επιτρέπει τη μελέτη του γιατί ένα ζώο μπορεί να έχει εξελίξει απλά, φωτοευαίσθητα σημεία ως μάτια, ενώ ένα άλλο διαθέτει περίπλοκα οφθαλμούς τύπου κάμερας. Οι πειραματισμοί με το πλαίσιο αυτό δείχνουν πώς οι αποστολές επηρέασαν την εξέλιξη των οφθαλμών στους πράκτορες. Για παράδειγμα, αποστολές πλοήγησης συχνά οδήγησαν στην εξέλιξη σύνθετων οφθαλμών με πολλές μονάδες, όπως αυτοί των εντόμων και των καρκινοειδών.
Προσομοίωση καινοτόμων οπτικών συστημάτων
Οι ερευνητές ανέπτυξαν αυτό το πλαίσιο για να απαντήσουν σε “τι-αν” ερωτήσεις σχετικά με τα οπτικά συστήματα που είναι δύσκολο να μελετηθούν πειραματικά. Η μεθοδολογία αυτή μπορεί επίσης να καθοδηγήσει τον σχεδιασμό νέων αισθητήρων και καμερών για ρομπότ, drones και φορητές συσκευές, ισορροπώντας την απόδοση με τους πραγματικούς περιορισμούς όπως η ενεργειακή απόδοση και η κατασκευασιμότητα.
Η σημασία των περιορισμών και η εξέλιξη
Κατά τη διάρκεια της εξέλιξης, οι πράκτορες ξεκινούν με έναν μόνο φωτοϋποδοχέα που κοιτάζει τον κόσμο και ένα συνδεδεμένο νευρωνικό δίκτυο που επεξεργάζεται τις οπτικές πληροφορίες. Μέσα από ενισχυτική μάθηση, μια τεχνική δοκιμών και σφαλμάτων, οι πράκτορες επιβραβεύονται για την επίτευξη των στόχων της αποστολής τους. Το περιβάλλον ενσωματώνει επίσης περιορισμούς, όπως ο αριθμός των pixels για τους οπτικούς αισθητήρες ενός πράκτορα.
Γιατί έχει σημασία
Αυτή η προσέγγιση ανοίγει τον δρόμο για μια πληθώρα δυνατοτήτων στον τομέα της επιστήμης, επιτρέποντας στους ερευνητές να διερευνήσουν ερωτήματα που προηγουμένως ήταν αδύνατο να απαντηθούν. Επιπλέον, μπορεί να οδηγήσει σε καινοτομίες στον σχεδιασμό αισθητήρων και καμερών που είναι προσαρμοσμένες σε συγκεκριμένες αποστολές, προσφέροντας καλύτερη απόδοση σε πραγματικές συνθήκες.
Η εργασία αυτή υποστηρίχθηκε, εν μέρει, από το Κέντρο για Εγκεφάλους, Νου και Μηχανές και το πρόγραμμα DARPA Mathematics for the Discovery of Algorithms and Architectures.