Представьте, что вы находитесь в центре незнакомого города. Даже если ваше окружение изначально незнакомо, вы можете исследовать его и в конечном итоге создать ментальную карту своего окружения — где здания, улицы, знаки и т. д. находятся по отношению друг к другу. Эта способность строить пространственные карты в мозге является основой еще более продвинутых типов познания у людей: например, предполагается, что язык закодирован в картоподобной структуре в мозге.

Несмотря на все возможности передового искусственного интеллекта и нейронных сетей , они не могут создавать карты из ничего.

«Существует ощущение, что даже самые современные модели ИИ все еще не являются по-настоящему интеллектуальными», — говорит Мэтт Томсон, доцент кафедры вычислительной биологии и исследователь Heritage Medical Research Institute. «Они не решают проблемы так, как мы; они не могут доказать недоказанные математические результаты или генерировать новые идеи .

«Мы думаем, это потому, что они не могут ориентироваться в концептуальном пространстве; решение сложных задач похоже на перемещение в пространстве концепций, на навигацию. ИИ больше похож на механическое запоминание — вы даете ему входные данные, и он дает вам ответ. Но он не способен синтезировать разрозненные идеи».

Новая статья из лаборатории Томсона показывает, что нейронные сети могут быть спроектированы для построения пространственных карт с использованием типа алгоритма, называемого предиктивным кодированием. Статья была опубликована в журнале Nature Machine Intelligence 18 июля.

Под руководством аспиранта Джеймса Горнета эти двое создали окружение в игре Minecraft, включив в него сложные элементы, такие как деревья, реки и пещеры. Они записали видео игрока, случайным образом пересекающего территорию, и использовали видео для обучения нейронной сети, оснащенной алгоритмом предиктивного кодирования.

Они обнаружили, что нейронная сеть способна изучать, как объекты в мире Minecraft организованы относительно друг друга, и способна «предсказывать», какие среды будут возникать при перемещении по пространству.

Более того, команда «открыла» нейронную сеть (кодирующий эквивалент «проверки изнутри») и увидела, что представления различных объектов хранятся в пространстве по отношению друг к другу — другими словами, они увидели карту среды Minecraft, хранящуюся в нейронной сети.

Нейронные сети могут перемещаться по картам, которые им дали люди-дизайнеры, например, беспилотный автомобиль с GPS, но это первый раз, когда нейронная сеть создает свою собственную карту. Эта способность пространственно хранить и организовывать информацию может в конечном итоге помочь нейронным сетям стать «умнее», позволяя им решать действительно сложные проблемы, как это делают люди.

Горнет — студент кафедры вычислительных и нейронных систем (ЦНС) Калифорнийского технологического института, которая занимается нейронаукой, машинным обучением, математикой, статистикой и биологией.

«Программа ЦНС действительно дала Джеймсу место для уникальной работы, которая невозможна где-либо еще», — говорит Томсон. «Мы применяем биоинспирированный подход к машинному обучению , который позволяет нам реконструировать свойства мозга в искусственных нейронных сетях , и мы надеемся узнать о мозге в свою очередь. У нас в Калтехе очень восприимчивое сообщество для такого рода работы».