Uma alternativa de aprendizado profundo pode ajudar os agentes da IA ​​a jogar o mundo real

Uma nova máquina A abordagem de aprendizado que se inspira na maneira como o cérebro humano parece modelar e aprender sobre o mundo provou ser capaz de dominar vários videogames simples com eficiência impressionante.

O novo sistema, chamado Axiom, oferece uma alternativa às redes neurais artificiais que são dominantes na IA moderna. O Axiom, desenvolvido por uma empresa de software chamado Verso AI, está equipado com conhecimento prévio sobre a maneira como os objetos interagem fisicamente entre si no mundo do jogo. Em seguida, ele usa um algoritmo para modelar como ele espera que o jogo atue em resposta à entrada, que é atualizada com base no que observa – um processo chamado de inferência ativa.

A abordagem se inspira no princípio da energia livre, uma teoria que busca explicar a inteligência usando princípios extraídos de matemática, física e teoria da informação, bem como biologia. O Princípio de Energia Livre foi desenvolvido por Karl Friston, um renomado neurocientista que é cientista -chefe da empresa de “computação cognitiva” versículos.

Friston me disse sobre o vídeo de sua casa em Londres que a abordagem pode ser especialmente importante para a construção de agentes da IA. “Eles precisam apoiar o tipo de cognição que vemos em cérebros reais”, disse ele. “Isso requer uma consideração, não apenas da capacidade de aprender coisas, mas na verdade aprender como você age no mundo”.

A abordagem convencional para aprender a jogar envolve o treinamento de redes neurais através do que é conhecido como aprendizado de reforço profundo, que envolve experimentar e ajustar seus parâmetros em resposta a feedback positivo ou negativo. A abordagem pode produzir algoritmos de jogo sobre-humano, mas requer muita experimentação para funcionar. Axiom mestre em várias versões simplificadas de videogames populares chamados Drive, Bounce, Hunt e Salt usando muito menos exemplos e menos poder de computação.

“Os objetivos gerais da abordagem e alguns de seus principais recursos rastreiam o que vejo como os problemas mais importantes para se concentrar para chegar à AGI”, diz François Chollet, pesquisador de IA que desenvolveu o ARC 3, uma referência projetada para testar os recursos dos algoritmos modernos de IA. Chollet também está explorando novas abordagens para o aprendizado de máquina e está usando sua referência para testar as habilidades dos modelos para aprender a resolver problemas desconhecidos, em vez de simplesmente imitar exemplos anteriores.

“O trabalho me parece muito original, o que é ótimo”, diz ele. “Precisamos de mais pessoas que experimentem novas idéias do caminho batido de grandes modelos de idiomas e modelos de linguagem de raciocínio”.

A IA moderna depende de redes neurais artificiais inspiradas pela fiação do cérebro, mas trabalham de uma maneira fundamentalmente diferente. Na última década e um pouco de aprendizado profundo, uma abordagem que usa redes neurais, permitiu que os computadores fizessem todos os tipos de coisas impressionantes, incluindo transcrever fala, reconhecer rostos e gerar imagens. Mais recentemente, é claro, o aprendizado profundo levou a grandes modelos de linguagem que alimentam o que alimentam e cada vez mais capaz chatbots.

O Axioma, em teoria, promete uma abordagem mais eficiente para construir a IA do zero. Pode ser especialmente eficaz para criar agentes que precisam aprender com eficiência com a experiência, diz Gabe René, CEO da Verso. René diz que uma empresa financeira começou a experimentar a tecnologia da empresa como uma maneira de modelar o mercado. “É uma nova arquitetura para agentes de IA que podem aprender em tempo real e é mais preciso, mais eficiente e muito menor”, diz René. “Eles são literalmente projetados como um cérebro digital”.

Ironicamente, dado que o Axiom oferece uma alternativa à IA moderna e ao aprendizado profundo, o princípio de energia livre foi originalmente influenciado pelo trabalho do cientista da computação canadense britânico Geoffrey Hintonque recebeu o premiado com o Prêmio Turing e o Prêmio Nobel por seu trabalho pioneiro em aprendizado profundo. Hinton era um colega de Friston no University College London há anos.

Para saber mais sobre Friston e o Princípio de Energia Livre, eu recomendo Este artigo de recurso com fio de 2018. O trabalho de Friston também influenciou um Nova teoria emocionante da consciênciadescrito em um livro com fio revisado em 2021.