Forwarded from Малоизвестное интересное
ИИ – это не только мозг, но и тело
Игрушка-пружина Слинки никак не может считаться разумным существом, но её умение спускаться с лестницы – просто чудо механики.
Человек при спуске по лестнице, решает те же задачи управления механикой движения согласно геометрии ступеней, своим размерам и весу.
Что же управляет данным процессом - когнитивная обработка в мозге?
А как же это делает Слинки, у которой нет мозгов, а есть только «тело»?
Эти вопросы открывает перед нами фантастически интересную область «воплощенных агентов» (embodied agent) и «морфологических вычислений» (morphological computation), про которые в Рунете почти ничего.
А ведь эта область - штука сильнее, чем «Фауст» Гете 😊
Если совсем коротко - «воплощенный агент», это агент, обладающий «воплощенным интеллектом», т.е. интеллектом, возникающим при взаимодействии мозга, тела и окружающей среды, причем широкий ряд вычислений выполняется телом.
Биология дает множество примеров.
Возьмите проблему осторожного захвата тонкого, хрупкого предмета - такого, как высушенный цветок. Для робота это наисложнейшая по вычислениям задача. Процессоры должны точно вычислить местоположения захватов и силу их сжатия: слишком мало силы - и цветок ускользает; слишком много - и он превращается в пыль.
С человеческой рукой мозг не должен заморачиваться сложнейшим вычислительным процессом. Мягкая ткань в кончиках пальцев, обратная связь в суставах пальцев и трение сухожилий помогают мозгу решить проблему.
И главное – человек может это делать сходу - без какой-либо тренировки. Тогда как роботам, например, музыкантам), необходима длительная предварительная настройка и тренировка.
Другой пример - морфология глаза насекомого, способствующая обнаружению движения. У мозга просто не хватает быстродействия для супербыстрой реакции на движение в окружающем мире. И к вычислениям подключается тело. Для этого меняется строение глаз. Т.н. фасеточный глаз способен быстро обнаруживать движение, поскольку его временная инерционность в 15 раз меньше, чем у глаза человека.
Оба примера иллюстрируют, как вычисления, которые должен выполнять мозг, передаются на аутсорсинг телу. Этот аутсорсинг и привел к появлению в 2006 г. понятия «Морфологических вычислений», которое теперь является центральным понятием в области т.н. «воплощенного искусственного интеллекта».
Но есть проблема - не все физические процессы в теле можно рассматривать как вычисление в классическом смысле.
До сих пор считалось, чтоб решить этот вопрос можно, разбив морфологические процессы на: морфологическое вычисление, морфологический контроль, физические процессы поведения, и прочие физические процессы.
Однако, похоже, что это тупиковый подход. Нужна единая концепция «воплощенного искусственного интеллекта». Обычный «ИИ без тела» здесь не рулит.
Об этом только что говорили на совместном воркшопе Математического института Макса Планка и Института междисциплинарных исследований Санта-Фе.
Если тема вам интересна и стоит про это еще писать (или наоборот) – дайте знать.
#МорфологическиеВычисления #ВоплощенныйИнтеллект
Игрушка-пружина Слинки никак не может считаться разумным существом, но её умение спускаться с лестницы – просто чудо механики.
Человек при спуске по лестнице, решает те же задачи управления механикой движения согласно геометрии ступеней, своим размерам и весу.
Что же управляет данным процессом - когнитивная обработка в мозге?
А как же это делает Слинки, у которой нет мозгов, а есть только «тело»?
Эти вопросы открывает перед нами фантастически интересную область «воплощенных агентов» (embodied agent) и «морфологических вычислений» (morphological computation), про которые в Рунете почти ничего.
А ведь эта область - штука сильнее, чем «Фауст» Гете 😊
Если совсем коротко - «воплощенный агент», это агент, обладающий «воплощенным интеллектом», т.е. интеллектом, возникающим при взаимодействии мозга, тела и окружающей среды, причем широкий ряд вычислений выполняется телом.
Биология дает множество примеров.
Возьмите проблему осторожного захвата тонкого, хрупкого предмета - такого, как высушенный цветок. Для робота это наисложнейшая по вычислениям задача. Процессоры должны точно вычислить местоположения захватов и силу их сжатия: слишком мало силы - и цветок ускользает; слишком много - и он превращается в пыль.
С человеческой рукой мозг не должен заморачиваться сложнейшим вычислительным процессом. Мягкая ткань в кончиках пальцев, обратная связь в суставах пальцев и трение сухожилий помогают мозгу решить проблему.
И главное – человек может это делать сходу - без какой-либо тренировки. Тогда как роботам, например, музыкантам), необходима длительная предварительная настройка и тренировка.
Другой пример - морфология глаза насекомого, способствующая обнаружению движения. У мозга просто не хватает быстродействия для супербыстрой реакции на движение в окружающем мире. И к вычислениям подключается тело. Для этого меняется строение глаз. Т.н. фасеточный глаз способен быстро обнаруживать движение, поскольку его временная инерционность в 15 раз меньше, чем у глаза человека.
Оба примера иллюстрируют, как вычисления, которые должен выполнять мозг, передаются на аутсорсинг телу. Этот аутсорсинг и привел к появлению в 2006 г. понятия «Морфологических вычислений», которое теперь является центральным понятием в области т.н. «воплощенного искусственного интеллекта».
Но есть проблема - не все физические процессы в теле можно рассматривать как вычисление в классическом смысле.
До сих пор считалось, чтоб решить этот вопрос можно, разбив морфологические процессы на: морфологическое вычисление, морфологический контроль, физические процессы поведения, и прочие физические процессы.
Однако, похоже, что это тупиковый подход. Нужна единая концепция «воплощенного искусственного интеллекта». Обычный «ИИ без тела» здесь не рулит.
Об этом только что говорили на совместном воркшопе Математического института Макса Планка и Института междисциплинарных исследований Санта-Фе.
Если тема вам интересна и стоит про это еще писать (или наоборот) – дайте знать.
#МорфологическиеВычисления #ВоплощенныйИнтеллект
Forwarded from Малоизвестное интересное
Создан первый воплощенный в дроне ИИ, способный справиться с двумя НЛО.
Его преимущество – знание собственного несовершенства.
Если вам в лицо летит мяч – вы автоматически уклоняетесь, делая это не задумываясь. За доли секунды встроенный в вас эволюцией нейрокод просчитывает варианты уклонений, выбирает лучший и применяет его, не спрося вашего на то разрешения. Только так можно выжить в нашем мире. Эволюция это знает и умеет делать живых существ, способных делать такое запросто.
Но чтоб сделать такое запросто и очень-очень быстро, мало иметь быстрый вычислитель (в голове или процессоре). Еще нужно:
1) уметь распознавать не сами объекты, а их движение (так делает сетчатка созданного природой уникального прибора - глаза);
2) знать «тактико-технические» характеристики своего тела – что оно может делать и как быстро (такой ИИ называется воплощенный - Embodied AI – и это одна из моих любимых тем).
Посмотрите, насколько эффективно подобное делают птицы. А ведь это многократно замедленное видео. В реальности они движутся столь быстро, что вы бы этого просто не поняли.
Первый в мире «Воплощенный ИИ», осознающий свое несовершенство, - это EVDodge - дрон, оснащенный:
- «камерой событий» (event camera), способной выявлять вблизи себя НЛО (независимые летающие объекты - Independently Moving Objects);
- системой самооценки своих движений - estimating self-movement.
Этот дрон умеет уклоняться одновременно от двух НЛО и «понимает» пределы своих физических возможностей (без чего любой расчет сценариев уклонения делать бессмысленно).
Подобно отдельным нейронам тканей человеческого глаза, ячейки датчика «камеры событий» регистрируют только изменения в картине, которую они наблюдают. Такой подход позволяет избавиться от большого количества избыточных статических данных, концентрируясь только на происходящих изменениях. Такой тип камер идеален для роботов при решении задачи быстрого маневрирования, поскольку тут важнее не врезаться во что-нибудь, а не разбираться, что именно это было. Ведь и мы не распознаем что именно летит нам в физию – мяч, бутылка, плюшевый мишка – какая разница! Отклоняйся и будешь цел.
Для выбора оптимального сценария уклонения выполняется сопоставление летательных возможностей НЛО и собственных летательных возможностей дрона (он их знает). Если последние хуже, чем у НЛО, ничего не поможет – дрон получает удар. А наш нейрокод в таких случаях заставляет нас закрыть глаза – хотя бы зрение сохранить, если удар неизбежен.
В итоге эффективность уклонений дрона составляет до 70% при объектах неизвестной формы и низкой освещенности. Ну а элегантности уклонений дрона до колибри еще далеко.
Оцените сами.
Популярно по-русски.
Все детали описания, как спроектирован и как работает (англ.)
#БПЛА #ВоплощенныйИнтеллект
Его преимущество – знание собственного несовершенства.
Если вам в лицо летит мяч – вы автоматически уклоняетесь, делая это не задумываясь. За доли секунды встроенный в вас эволюцией нейрокод просчитывает варианты уклонений, выбирает лучший и применяет его, не спрося вашего на то разрешения. Только так можно выжить в нашем мире. Эволюция это знает и умеет делать живых существ, способных делать такое запросто.
Но чтоб сделать такое запросто и очень-очень быстро, мало иметь быстрый вычислитель (в голове или процессоре). Еще нужно:
1) уметь распознавать не сами объекты, а их движение (так делает сетчатка созданного природой уникального прибора - глаза);
2) знать «тактико-технические» характеристики своего тела – что оно может делать и как быстро (такой ИИ называется воплощенный - Embodied AI – и это одна из моих любимых тем).
Посмотрите, насколько эффективно подобное делают птицы. А ведь это многократно замедленное видео. В реальности они движутся столь быстро, что вы бы этого просто не поняли.
Первый в мире «Воплощенный ИИ», осознающий свое несовершенство, - это EVDodge - дрон, оснащенный:
- «камерой событий» (event camera), способной выявлять вблизи себя НЛО (независимые летающие объекты - Independently Moving Objects);
- системой самооценки своих движений - estimating self-movement.
Этот дрон умеет уклоняться одновременно от двух НЛО и «понимает» пределы своих физических возможностей (без чего любой расчет сценариев уклонения делать бессмысленно).
Подобно отдельным нейронам тканей человеческого глаза, ячейки датчика «камеры событий» регистрируют только изменения в картине, которую они наблюдают. Такой подход позволяет избавиться от большого количества избыточных статических данных, концентрируясь только на происходящих изменениях. Такой тип камер идеален для роботов при решении задачи быстрого маневрирования, поскольку тут важнее не врезаться во что-нибудь, а не разбираться, что именно это было. Ведь и мы не распознаем что именно летит нам в физию – мяч, бутылка, плюшевый мишка – какая разница! Отклоняйся и будешь цел.
Для выбора оптимального сценария уклонения выполняется сопоставление летательных возможностей НЛО и собственных летательных возможностей дрона (он их знает). Если последние хуже, чем у НЛО, ничего не поможет – дрон получает удар. А наш нейрокод в таких случаях заставляет нас закрыть глаза – хотя бы зрение сохранить, если удар неизбежен.
В итоге эффективность уклонений дрона составляет до 70% при объектах неизвестной формы и низкой освещенности. Ну а элегантности уклонений дрона до колибри еще далеко.
Оцените сами.
Популярно по-русски.
Все детали описания, как спроектирован и как работает (англ.)
#БПЛА #ВоплощенныйИнтеллект
YouTube
EVDodgeNet: Deep Dynamic Obstacle Dodging with Event Cameras [ICRA 2020]
Dynamic obstacle avoidance on quadrotors requires low latency. A class of sensors that are particularly suitable for such scenarios are event cameras. In this work, we present a deep learning-based solution for dodging multiple dynamic obstacles on a quadrotor…
Не только мир - иллюзия, но и мы сами.
Переворот в научном понимании активного воплощенного разума людей и не только.
В рамках классического и квантового формализмов математически доказано (теорема и 4 следствия), что «самопознание» в основе своей конфабуляторно *), как у людей, так и у других интеллектуальных систем (биологических и нет). Это доказательство будет иметь решающее значение для пересмотра этических и правовых теорий ответственности и намерений людей и ИИ-агентов, а также для понимания нейробиологии политических идеологий и даже для фундаментальных вопросов личностной идентичности и «смысла жизни».
*) Термин "конфабуляторный" (confabulatory) происходит от слова "конфабуляция" (confabulation), которое в медицинском и психологическом контексте означает процесс заполнения пробелов в памяти выдуманными историями или фактами, которые человек считает правдивыми, даже если они не соответствуют действительности. Это не обязательно сознательный процесс, и человек, создающий конфабуляции, может искренне верить в их правдивость. В данном контексте, утверждение о том, что самопознание "фундаментально конфабуляторно", подразумевает, что процессы, посредством которых субъекты (люди и иные агенты) приходят к пониманию себя, в значительной степени основаны на создании историй или объяснений, которые могут не полностью соответствовать объективной реальности. Это может указывать на то, что наше самопознание и понимание собственного внутреннего мира часто строятся на неполных данных, предположениях и интерпретациях, склонных к ошибкам и искажениям.
Работа Криса Филдса, Джеймса Ф. Глейзбрука и Майкла Левина «Принципиальные ограничения на саморепрезентацию общих физических систем» [1] дает ответ на важнейший для понимания осознающего себя разума вопрос
✔️ в какой степени автономные агенты могут считаться «самосознательными» в своих действиях?
Ответ авторов однозначен и математически обоснован:
• добавление компоненту системы на метауровне возможностей наблюдения, репрезентации или управления не может, даже в принципе, вести к полной метауровневой репрезентации системы в целом;
• т.о. саморепрезентация, в лучшем случае, может быть эвристической, а модель самой себя, в принципе, не может быть эмпирически проверена системой, которая её реализует.
Результаты работы могут рассматриваться, как расширение Закона необходимого разнообразия Эшби. Расширение доказывает, что модели «себя» — по сути, аналогичны моделям «других» и подвержены тем же ограничениям, что и модели окружающей среды.
В основе такого расширения лежит объединение двух теоретических фреймворков, о перспективности которого я пишу уже 4 года:
• Фреймворк теории активного вывода на основе принципа свободной энергии Карла Фристона, обеспечивающий общее описание интеллектуальных систем в рамках классического или квантового формализма [2]
• Фреймворк Майкла Левина на основе концепции когнитивного светового конуса CLC (определяющего пространственные и временные ограничения на размер целей, которые может ставить и преследовать агент) и концепции Technological Approach to Mind Everywhere (описывающей, как отдельные компетентные субъединицы - от клеток до людей и машин - могут объединяться в коллективы (сети), которые могут преследовать гораздо более крупные цели в новых проблемных пространствах, тем самым увеличивая их CLC) [3]
Три фундаментальных вывода.
1. Люди и LLM так и останутся «черными ящиками" для самих себя, лишь частично растворяя интроспективное самопознание заменой его на эвристику самомоделирования и конфабуляции.
2. Проблема «галлюцинаций» ИИ моделей в принципе неизбежна и неустранима.
3. Неопределенность и воплощенность - 2 важнейших компонента интеллекта и осознанности, без которых невозможно полное пониманию того, что значит быть активным воплощенным разумом.
#ВоплощенныйИнтеллект #Разум
Рис telegra.ph
1 <a href="https://www.mdpi.com/1099-4300/26/3 <...>
_______
Источник | #theworldisnoteasy
@F_S_C_P
-------
поддержи канал
-------
Переворот в научном понимании активного воплощенного разума людей и не только.
В рамках классического и квантового формализмов математически доказано (теорема и 4 следствия), что «самопознание» в основе своей конфабуляторно *), как у людей, так и у других интеллектуальных систем (биологических и нет). Это доказательство будет иметь решающее значение для пересмотра этических и правовых теорий ответственности и намерений людей и ИИ-агентов, а также для понимания нейробиологии политических идеологий и даже для фундаментальных вопросов личностной идентичности и «смысла жизни».
*) Термин "конфабуляторный" (confabulatory) происходит от слова "конфабуляция" (confabulation), которое в медицинском и психологическом контексте означает процесс заполнения пробелов в памяти выдуманными историями или фактами, которые человек считает правдивыми, даже если они не соответствуют действительности. Это не обязательно сознательный процесс, и человек, создающий конфабуляции, может искренне верить в их правдивость. В данном контексте, утверждение о том, что самопознание "фундаментально конфабуляторно", подразумевает, что процессы, посредством которых субъекты (люди и иные агенты) приходят к пониманию себя, в значительной степени основаны на создании историй или объяснений, которые могут не полностью соответствовать объективной реальности. Это может указывать на то, что наше самопознание и понимание собственного внутреннего мира часто строятся на неполных данных, предположениях и интерпретациях, склонных к ошибкам и искажениям.
Работа Криса Филдса, Джеймса Ф. Глейзбрука и Майкла Левина «Принципиальные ограничения на саморепрезентацию общих физических систем» [1] дает ответ на важнейший для понимания осознающего себя разума вопрос
✔️ в какой степени автономные агенты могут считаться «самосознательными» в своих действиях?
Ответ авторов однозначен и математически обоснован:
• добавление компоненту системы на метауровне возможностей наблюдения, репрезентации или управления не может, даже в принципе, вести к полной метауровневой репрезентации системы в целом;
• т.о. саморепрезентация, в лучшем случае, может быть эвристической, а модель самой себя, в принципе, не может быть эмпирически проверена системой, которая её реализует.
Результаты работы могут рассматриваться, как расширение Закона необходимого разнообразия Эшби. Расширение доказывает, что модели «себя» — по сути, аналогичны моделям «других» и подвержены тем же ограничениям, что и модели окружающей среды.
В основе такого расширения лежит объединение двух теоретических фреймворков, о перспективности которого я пишу уже 4 года:
• Фреймворк теории активного вывода на основе принципа свободной энергии Карла Фристона, обеспечивающий общее описание интеллектуальных систем в рамках классического или квантового формализма [2]
• Фреймворк Майкла Левина на основе концепции когнитивного светового конуса CLC (определяющего пространственные и временные ограничения на размер целей, которые может ставить и преследовать агент) и концепции Technological Approach to Mind Everywhere (описывающей, как отдельные компетентные субъединицы - от клеток до людей и машин - могут объединяться в коллективы (сети), которые могут преследовать гораздо более крупные цели в новых проблемных пространствах, тем самым увеличивая их CLC) [3]
Три фундаментальных вывода.
1. Люди и LLM так и останутся «черными ящиками" для самих себя, лишь частично растворяя интроспективное самопознание заменой его на эвристику самомоделирования и конфабуляции.
2. Проблема «галлюцинаций» ИИ моделей в принципе неизбежна и неустранима.
3. Неопределенность и воплощенность - 2 важнейших компонента интеллекта и осознанности, без которых невозможно полное пониманию того, что значит быть активным воплощенным разумом.
#ВоплощенныйИнтеллект #Разум
Рис telegra.ph
1 <a href="https://www.mdpi.com/1099-4300/26/3 <...>
_______
Источник | #theworldisnoteasy
@F_S_C_P
-------
поддержи канал
-------
