Вы идёте к автобусной остановке и понимаете, что забыли ключи. Вы внезапно разворачиваетесь и бежите домой. Такие спонтанные действия являются отличительными чертами поведения животных. Стремясь уловить суть человеческого мозга, робототехники пытались имитировать подобные действия. Это непростая задача. Но недавнее исследование японских учёных предлагает простой подход к овладению этим навыком, заставляя компьютеризированную нейронную сеть самопроизвольно переключаться между несколькими действиями с использованием алгоритмов, имитирующих управляемый хаос мозга животных.
«По сути, наша работа посвящена тому, как спроектировать спонтанное переключение поведения, используя хаотическую динамику», — говорит соавтор Кохей Накадзима, прикладной математик из Токийского университета в Японии. Обычно инженеры разрабатывают робота, который будет ходить и бегать, и экспериментатор в таком случае мог бы использовать внешний портативный контроллер для переключения этих “поведений”. Но чтобы совершить скачок от такой контролируемой обстановки к той, в которой робот может автономно переключать поведение, исследователи стремились имитировать хаотическое передвижение. Часто наблюдаемый в мозгу животных и других динамических системах хаотическая маршрутизация возникает, когда система непредсказуемо, но детерминированно переключается между несколькими стереотипными паттернами, будь то ходьба, бег или любые другие формы поведения.
Робототехники и раньше стремились имитировать хаотическое передвижение, отмечает ведущий автор исследования Кацума Иноуэ, аспирант Токийского университета. Один робот, созданный в 2006 году, моделировал младенца человека с соматосенсорной системой и сотнями двигателей, представляющих мышцы тела, каждый из которых был подключен к нескольким хаотическим осцилляторам — грубому эквиваленту двигательных нейронов. Соматосенсорные системы взаимодействуют с хаотическими осцилляторами, которые затем сигнализируют «мускулам» о движении. Разработанная для имитации раннего развития моторики человека, система воспроизводила движения, похожие на хаотические передвижения, путем чередования нескольких стереотипных форм поведения, включая ползание и переворачивание.
Синие, оранжевые и зеленые фигуры на этом изображении представляют различные варианты поведения, которые авторы разработали для своего мозга-робота, чтобы переключаться между ними автономно. Для этого исследователи создали особенности феномена, называемого хаотическим перемещением. Изображение из доклада “Designing spontaneous behavioral switching via chaotic itinerancy” (Кацума Иноуэ, Кохей Накадзима и Ясуо Куниёси).
Другие исследования были направлены ??на разработку спонтанного переключения поведения в роботах с использованием иерархической структуры с нейронной сетью более высокого уровня, управляющей модулями более низкого уровня, которые соответствуют каждому типу поведения. Однако, по мнению Кохей Накадзима, в этих экспериментах довольно много времени занимает процесс обучения.
Чтобы преодолеть эти проблемы, японские исследователи не использовали иерархический дизайн. Вместо этого в трехэтапном методе с использованием структуры машинного обучения исследователи сначала определили несколько возможных вариантов поведения и обучили нейронную сеть воспроизводить их в соответствии с командами. Затем исследователи обучили сеть переключаться между этими поведениями в определенном порядке и, наконец, разработали вероятностные переходы между этими поведениями, используя хаотическую динамику. В результате появилась система с особенностями хаотичного передвижения.
(A) Схематическая диаграмма многомерной хаотической системы, подготовленной в наших экспериментах. Систему можно разделить на две части: сеть состояний входного эхо-сигнала (ESN) и хаотическая ESN. Входной ESN действует как интерфейс между дискретным входом и хаотическим ESN, генерируя динамику переходных процессов, проецируемую на хаотический ESN при переключении символьного входа. Чтобы предотвратить превращение хаотического ESN в нехаотический из-за бифуркации, соединение между входным ESN и хаотическим ESN обучается так, чтобы выходная динамика переходных процессов сходилась к 0. (B) Две экспериментальные схемы. В схеме с обратной связью символический ввод предоставляется извне. С другой стороны, в замкнутом цикле символьный ввод автономно генерируется дополнительным контуром обратной связи. В данном методе меняются элементы, представленные красными стрелками, чтобы внедрить желаемую динамику CI. Схематические диаграммы методов обучения, состоящие из трехэтапной процедуры. На шаге 1 параметры сети и считыватель обучаются выводить квазиаттракторы и динамику вывода, соответствующую символам. На шагах 2 и 3 символьная последовательность создается автономно. Учёные подготовили периодические шаблоны перехода символов в качестве цели на шаге 2 и правила стохастического перехода символов на шаге 3.
Ключевая идея исследования — создать более простой и элегантный способ реализации спонтанного типа передвижения, наподобие того, каким обладают животные. Однако реализация этого исследования пока была ограничена нейронной сетью на компьютере. Теперь исследователи планируют перейти от компьютеров к физическим роботам в надежде наконец создать машины, которые будут вести себя автономно и спонтанно.
Отличительная черта человеческого мозга, пластичность ума позволяет людям приобретать новые знания, не разрушая старые воспоминания. Учёные рассматривают это исследование как шаг к созданию синтетического мозга, который сможет иметь память, способную взаимодействовать с окружающей средой через искусственное тело.
Список литературы:
«По сути, наша работа посвящена тому, как спроектировать спонтанное переключение поведения, используя хаотическую динамику», — говорит соавтор Кохей Накадзима, прикладной математик из Токийского университета в Японии. Обычно инженеры разрабатывают робота, который будет ходить и бегать, и экспериментатор в таком случае мог бы использовать внешний портативный контроллер для переключения этих “поведений”. Но чтобы совершить скачок от такой контролируемой обстановки к той, в которой робот может автономно переключать поведение, исследователи стремились имитировать хаотическое передвижение. Часто наблюдаемый в мозгу животных и других динамических системах хаотическая маршрутизация возникает, когда система непредсказуемо, но детерминированно переключается между несколькими стереотипными паттернами, будь то ходьба, бег или любые другие формы поведения.
Опыт прошлого
Робототехники и раньше стремились имитировать хаотическое передвижение, отмечает ведущий автор исследования Кацума Иноуэ, аспирант Токийского университета. Один робот, созданный в 2006 году, моделировал младенца человека с соматосенсорной системой и сотнями двигателей, представляющих мышцы тела, каждый из которых был подключен к нескольким хаотическим осцилляторам — грубому эквиваленту двигательных нейронов. Соматосенсорные системы взаимодействуют с хаотическими осцилляторами, которые затем сигнализируют «мускулам» о движении. Разработанная для имитации раннего развития моторики человека, система воспроизводила движения, похожие на хаотические передвижения, путем чередования нескольких стереотипных форм поведения, включая ползание и переворачивание.
Синие, оранжевые и зеленые фигуры на этом изображении представляют различные варианты поведения, которые авторы разработали для своего мозга-робота, чтобы переключаться между ними автономно. Для этого исследователи создали особенности феномена, называемого хаотическим перемещением. Изображение из доклада “Designing spontaneous behavioral switching via chaotic itinerancy” (Кацума Иноуэ, Кохей Накадзима и Ясуо Куниёси).
Другие исследования были направлены ??на разработку спонтанного переключения поведения в роботах с использованием иерархической структуры с нейронной сетью более высокого уровня, управляющей модулями более низкого уровня, которые соответствуют каждому типу поведения. Однако, по мнению Кохей Накадзима, в этих экспериментах довольно много времени занимает процесс обучения.
Чем система уникальна?
Чтобы преодолеть эти проблемы, японские исследователи не использовали иерархический дизайн. Вместо этого в трехэтапном методе с использованием структуры машинного обучения исследователи сначала определили несколько возможных вариантов поведения и обучили нейронную сеть воспроизводить их в соответствии с командами. Затем исследователи обучили сеть переключаться между этими поведениями в определенном порядке и, наконец, разработали вероятностные переходы между этими поведениями, используя хаотическую динамику. В результате появилась система с особенностями хаотичного передвижения.
(A) Схематическая диаграмма многомерной хаотической системы, подготовленной в наших экспериментах. Систему можно разделить на две части: сеть состояний входного эхо-сигнала (ESN) и хаотическая ESN. Входной ESN действует как интерфейс между дискретным входом и хаотическим ESN, генерируя динамику переходных процессов, проецируемую на хаотический ESN при переключении символьного входа. Чтобы предотвратить превращение хаотического ESN в нехаотический из-за бифуркации, соединение между входным ESN и хаотическим ESN обучается так, чтобы выходная динамика переходных процессов сходилась к 0. (B) Две экспериментальные схемы. В схеме с обратной связью символический ввод предоставляется извне. С другой стороны, в замкнутом цикле символьный ввод автономно генерируется дополнительным контуром обратной связи. В данном методе меняются элементы, представленные красными стрелками, чтобы внедрить желаемую динамику CI. Схематические диаграммы методов обучения, состоящие из трехэтапной процедуры. На шаге 1 параметры сети и считыватель обучаются выводить квазиаттракторы и динамику вывода, соответствующую символам. На шагах 2 и 3 символьная последовательность создается автономно. Учёные подготовили периодические шаблоны перехода символов в качестве цели на шаге 2 и правила стохастического перехода символов на шаге 3.
Что будет дальше?
Ключевая идея исследования — создать более простой и элегантный способ реализации спонтанного типа передвижения, наподобие того, каким обладают животные. Однако реализация этого исследования пока была ограничена нейронной сетью на компьютере. Теперь исследователи планируют перейти от компьютеров к физическим роботам в надежде наконец создать машины, которые будут вести себя автономно и спонтанно.
Отличительная черта человеческого мозга, пластичность ума позволяет людям приобретать новые знания, не разрушая старые воспоминания. Учёные рассматривают это исследование как шаг к созданию синтетического мозга, который сможет иметь память, способную взаимодействовать с окружающей средой через искусственное тело.
Список литературы:
- Adam Smith. AI with “spontaneous” behaviour like animals developed [Электронный ресурс]. URL: www.independent.co.uk/life-style/gadgets-and-tech/scientists-ai-spontaneous-behaviour-animals-b1762407.html
- Amy MacDermott. New technique builds animal brain–like spontaneity into AI [Электронный ресурс]. URL: blog.pnas.org/2020/11/new-technique-builds-animal-brain-like-spontaneity-into-ai
- Официальный доклад: Katsuma Inoue, Kohei Nakajima, Yasuo Kuniyoshi. Designing spontaneous behavioral switching via chaotic itinerancy [Электронный ресурс]. URL: advances.sciencemag.org/content/advances/6/46/eabb3989.full.pdf