Razvoj umetne inteligence v polnem zamahu

Sveti gral mnogo raziskovalcev je umetno življenje ali umetna inteligenca, ki bi se sčasoma razvila v superinteligenco in bi znala odgovoriti na vsa vprašanja. Pot do tja je še dolga, a znanstveniki že dolgo časa precej uspešno hodijo po njej. Svoje dosežke bodo predstavili na 12. mednarodni konferenci o sintezi in simulaciji živih sistemov (Alife) v Odenseju na Danskem čez slaba dva tedna, mi pa si poglejmo predogled dosežkov dveh skupin.

Charles Ofria in sodelavci na Michigan State University gojijo tako imenovane avidiane, ki živijo v računalniku. Gre za digitalne mikrobe, ki se izvajajo v računalniškem okolju in tekmujejo za hrano, ki je v njihovem primeru procesorski čas. Njihov dedni zapis je računalniška koda, ki pa se ob razmnoževanju lahko nekoliko spremeni - avidiani mutirajo. Sprva so bili podvrženi enostavnim nalogam. Avtorji so jih vrgli v prvo celico, kjer je bilo malo hrane, pred njimi pa so ležale celice z več procesorskega časa. Sčasoma, to je po več sto generacijah, so avidiani razvili ukaz za premik naprej v celico z več hranili. Naslednji sev avidianov je živel v okolju, kjer je v vsaki celici pisalo navodilo, kam se napotiti po več hrane. Ponekod je bil zapis enoznačen - Pojdi naprej - drugod je pisalo Ponovi zadnji ukaz. Izkazalo se je, da so se avidiani naučili pravilno izvesti tudi ta ukaz, kar pomeni, da so razvili kratkoročni spomin.

Laura Grabowski, začetnica projekta na MSU in sedaj predavateljica na University of Texas-Pan American, pojasnjuje, da je ta princip vzgoje inteligence drugačen od običajnih. Navadno so poizkušali v računalniki simulirati visoko razvita, inteligentna bitja ali vsaj njihove možgane, tu pa začenjajo kakor narava pred milijardami let - povsem na dnu.

Jeff Clune z MSU je svojega projekta lotil nekoliko drugače. Želi ustvariti možgane za premikanje robotov, zato je oblikoval sistem HyperNEAT, ki uporablja principe razvojne biologije. Kakor v naravi položaj zarodne celice v embriu določi njeno funkcijo, tudi v HyperNEAT-u koordinate umetnega nevrona definirajo njegovo nalogo. Na ta način želi Clune ustvariti zapletene možgane iz majhnega števila relativno preprostih ukazov. To je drugače od tradicionalnih nevronskih mrež, kjer vsaka celica v omrežju izvaja samo en in sebi lasten ukaz. Svoje rezultate je predstavil na Genetic and Evolutionary Computation Conference v Portlandu v Oregonu pretekli mesec. Izkazalo se je, da so tako razviti možgani bolj simetrični in učinkovitejših od klasičnih nevronskih mrež.