Нейронная сеть учится создавать карты с использованием Minecraft

Нейронная сеть прогнозирования исследует виртуальную среду.В прогнозном кодировании модель предсказывает наблюдения и обновляет свои параметры, используя ошибку прогнозирования.Кредит: Интеллект природы (2024).Doi: 10.1038/s42256-024-00863-1

Несмотря на все эти передовые искусственные интеллекты и нейронные сети, они не могут создавать карты из ничего.

«Существует такой смысл, что даже современные модели ИИ по-прежнему не являются по-настоящему умными»,-говорит Мэтт Томсон, доцент кафедры вычислительной биологии и исследовательского института медицинских исследований наследия.«Они не проблемы, как мы, они не могут доказать недоказанные математические результаты или генерировать новые идеи.

«Мы думаем, что это потому, что они не могут ориентироваться в концептуальном пространстве; решение сложных проблем подобно движению через пространство концепций, например, навигация. ИИ делают больше похоже на то, что вы запоминаете - вы даете ему вклад, и это дает вам ответ.Но это не может синтезировать разрозненные идеи ».

Новая статья из лаборатории Томсона обнаруживает, что нейронные сети могут быть разработаны для создания пространственных карт, используя тип алгоритма, называемый прогнозирующим кодированием.Документ был опубликован в журнале Nature Machine Intelligence 18 июля.

Во главе с аспирантом Джеймсом Горнетом, двух построенных средами в игре Minecraft, включающих сложные элементы, такие как деревья, реки и пещеры.Они записали видео игрока, который случайным образом пересекал область, и использовали видео для обучения нейронной сети, оснащенной алгоритмом прогнозирующего кодирования.

Они обнаружили, что нейронная сеть способна узнать, как организованы объекты в мире Minecraft по сравнению друг с другом и смогли «предсказать», какие среды появляются во время перемещения вокруг пространства.

Более того, команда «открыла» нейронную сеть (кодирование, эквивалентное «проверке под капотом») и видела, что представления различных объектов хранились пространственно по отношению друг к другу - другими словами, они видели картуОкружающая среда Minecraft, хранящаяся в нейронной сети.

Нейронные сети могут ориентироваться в картах, которые им дали человеческие дизайнеры, такие как автомобиль с самостоятельным вождением с использованием GPS, но это первый раз, когда было показано, что нейронная сеть создает свою собственную карту.Эта способность пространственно хранить и организовать информацию может в конечном итоге помочь нейронным сетям стать «умнее», что позволяет им решать действительно сложные проблемы, такие как люди.

Горнет является студентом Департамента вычислительных и нейронных систем (CNS) в Caltech, который охватывает нейробиологию, машинное обучение, математику, статистику и биологию.

«Программа CNS действительно дала Джеймсу место для уникальной работы, которая не была бы возможно нигде», - говорит Томсон.«Мы придерживаемся подхода к машинному обучению, который позволяет нам справиться с свойствами мозга в искусственных нейронных сетях, и мы надеемся узнать о мозге. У нас есть очень восприимчивое сообщество для такого родаРаботайте здесь, в Caltech ».

More information: James Gornet et al, Automated construction of cognitive maps with visual predictive coding, Nature Machine Intelligence (2024). DOI: 10.1038/s42256-024-00863-1