Una serie di creature virtuali mostrano come l’intelligenza e il piano corporeo siano strettamente collegati, aprendo nuove strade allo sviluppo dell’intelligenza artificiale per i robot.
di Will Douglas Heaven
Un’infinita varietà di creature virtuali scorrazzano e corrono attraverso lo schermo, superando ostacoli o trascinando palline verso un bersaglio. Sembrano salsicciotti frenetici. Ma questi “unimali” (contrazioni di “animali universali”) potrebbero in effetti aiutare i ricercatori a sviluppare un’intelligenza generale nelle macchine.
Agrim Gupta della Stanford University e i suoi colleghi (tra cui Fei-Fei Li, che co-dirige lo Stanford Artificial Intelligence Lab e ha guidato la creazione di ImageNet) hanno usato questi unimal per rispondere a due domande che spesso vengono trascurate nella ricerca sull’intelligenza artificiale: come è legata l’intelligenza al tipo di corpo e come le abilità possono essere sviluppate attraverso l’evoluzione oltre che all’apprendimento.
“Questo lavoro è un passo importante in un tentativo decennale di comprendere meglio la relazione corpo-cervello nei robot”, afferma Josh Bongard, che studia robotica evolutiva all’Università del Vermont e non è stato coinvolto nel lavoro. Se i ricercatori vogliono ricreare l’intelligenza nelle macchine, potrebbe mancare qualcosa, dice Gupta.
In biologia, l’intelligenza nasce da menti e corpi che lavorano insieme. Aspetti dei piani corporei, come il numero e la forma degli arti, determinano cosa possono fare gli animali e cosa possono imparare. Si pensi all’aye-aye, un lemure che ha evoluto un dito medio allungato per sondare in profondità nei fori per le larve.
L’intelligenza artificiale in genere si concentra solo sulla parte mentale, costruendo macchine per svolgere attività che possono essere gestite senza un corpo, come usare il linguaggio, riconoscere le immagini e giocare ai videogame. Ma questo repertorio limitato potrebbe presto mostrarsi desueto. Avvolgere le AI in corpi adattati a compiti specifici potrebbe facilitare loro l’apprendimento di un’ampia gamma di nuove competenze. “Una cosa che ogni singolo animale intelligente del pianeta ha in comune è un corpo”, dice Bongard. “L’incarnazione è la nostra unica speranza di realizzare macchine intelligenti e sicure”.
Gli unimal hanno una testa e più arti. Per vedere cosa potevano fare, il team ha sviluppato una tecnica chiamata apprendimento per rinforzo evolutivo profondo (DERL). Gli unimal vengono prima addestrati utilizzando l’apprendimento per rinforzo per completare un’attività in un ambiente virtuale, come camminare su diversi tipi di terreno o spostare un oggetto.
Gli unimali che si comportano meglio vengono quindi selezionati e vengono introdotte le mutazioni e la prole risultante viene rimessa nell’ambiente, dove impara da zero gli stessi compiti. Il processo si ripete centinaia di volte: evolvi e impara, evolvi e impara. (Si veda video)
Le mutazioni a cui gli unimali sono soggetti implicano l’aggiunta o la rimozione di arti, o la modifica della loro lunghezza o della flessibilità. Il numero di possibili configurazioni del corpo è vasto: ci sono 10^18 varianti uniche con 10 arti o meno. Nel tempo, i corpi degli unimali si adattano a compiti diversi. Alcuni unimal si sono evoluti per muoversi su un terreno pianeggiante cadendo in avanti. altri hanno sviluppato movimenti ondulanti simili a una lucertola, altri ancora hanno sviluppato delle chele per afferrare una scatola.
I ricercatori hanno anche testato quanto bene gli unimali evoluti potessero adattarsi a un compito che non avevano mai visto prima, una caratteristica essenziale dell’intelligenza generale. Quelli che si erano evoluti in ambienti più complessi, contenenti ostacoli o terreno irregolare, erano più veloci nell’apprendere nuove abilità, come far rotolare una palla o spostare una scatola.
Hanno anche scoperto che il DERL selezionava piani corporei che imparavano più velocemente, anche se non c’era alcuna pressione selettiva per farlo. “Lo trovo un settore di studio di grande prospettiva perché mostra quanto profondamente la forma del corpo e l’intelligenza siano collegate”, afferma Gupta.
“È già noto che alcuni tipi di corpi accelerano l’apprendimento”, afferma Bongard. “Questo lavoro mostra che l’intelligenza artificiale può andare alla ricerca di tali corpi”. Il laboratorio di Bongard ha sviluppato corpi di robot che si sono adattati a compiti particolari, come dare ai piedi rivestimenti simili a calli per ridurre l’usura. Gupta e i suoi colleghi estendono la validità di questa idea, afferma Bongard. “Mostrano che il corpo giusto può anche accelerare i cambiamenti nel cervello del robot”.
In definitiva, questa tecnica potrebbe invertire il modo in cui pensiamo alla costruzione di robot fisici, afferma Gupta. Invece di iniziare con una configurazione corporea fissa e poi addestrare il robot a svolgere un’attività particolare, è possibile utilizzare DERL per far evolvere il piano corporeo ottimale per quell’attività e quindi costruirla.
Gli unimali di Gupta fanno parte di un ampio cambiamento nel modo in cui i ricercatori pensano all’AI. Invece di training formativi su compiti specifici, come giocare a Go o analizzare una scansione medica, i ricercatori stanno iniziando a calare i bot in ambienti predisposti virtuali come POET, il gioco a nascondino di OpenAI e il parco giochi Xland di DeepMind, inducendoli a risolvere più compiti di formazione in situazioni in continua evoluzione. Invece di padroneggiare una singola sfida, le AI addestrate in questo modo apprendono abilità generali.
Per Gupta, l’esplorazione in forma libera sarà la chiave per la prossima generazione di AI. “Abbiamo bisogno di ambienti veramente aperti per creare agenti intelligenti”, conclude.
Immagine di: AGrim Gupta, Silvio Savarese, Surya Ganguli & Li Fei-Fei
(rp)
