Biológiai módszerekkel ugrik szintet a mesterséges intelligencia

Versengő algoritmusok

Néhány hete röppent fel a hír, hogy a két legnagyobb nyílt forrású gépitanulás-platform, a Google Brain és az OpenAI is a darwini evolúció elveit alkalmazva fejlesztené tovább a mesterséges intelligenciát.

A Google-nál mély ideghálókon gyakorló ezer képfelismerő algoritmusnak speciális képeket kellett azonosítania. A legpontosabbakat lemásolták és mutálták, hogy megfigyeljék, a klónok jobban teljesítenek-e. Ezek a mutációk lehetővé tették a túlélést, és a 94,6 százalékos pontosságot. A jó mutációkat megőrizték, a rosszakat törölték.

A szakértők szerint a biológiai evolúcióhoz közelebb álló OpenAI „dolgozó” algoritmusait úgy gyakoroltatták, hogy egy mester MI hajtson végre egy általa nem ismert feladatot. Az evolúciós MI nyomon követte a dolgozók tanulását, hogyan kivonatolnak azonos mennyiségű adatból információt. Az OpenAI kedvenc platformján, Atarin játszottak, eredményeikről beszámoltak a mesternek. A legjobban teljesítőket lemásolták és véletlenszerűen mutálták, majd a mutációk játszottak tovább. Teljesítmény alapján jutalmazták vagy büntették őket.

Evolúciós számítások

Evolúció és számítástudomány találkozása nem újkeletű – már Neumann János is foglalkozott vele, például a később komplex rendszerek tanulmányozásához is előszeretettel alkalmazott sejtautomatával –, tágabb trend, biológia és infokommunikáció egybekapcsolódásának része, amelynek egyik legizgalmasabb pontja az élet bonyolult folyamatainak (fajok evolúciója, önszerveződés, tanulás stb.) számítógépes módszerekkel, például ágenstechnológiával, rajintelligenciával, evolúciós számításokkal vagy ideghálókkal történő utánzása.

Az evolúciós számítások gyűjtőkategóriába tartozó, az 1990-es évekig egymástól elkülönülten fejlődő rokon technológiák (evolúciós és genetikus programozás, algoritmusok stb.) iteratív fejlődési folyamatokat, például egy adott populáción belüli növekedést, változásokat vizsgálnak. A kiválasztódást részben irányított, részben véletlenszerű kereséssel, az óhajtott kimenet elérését párhuzamos feldolgozással oldják meg. Ezekkel a módszerekkel vizsgálják, miként vezet az evolúció összetett információfeldolgozó-műveletekhez.

Mivel az evolúció magas szinten optimalizált folyamatokat és hálózatokat eredményez, a számítástudományban felettébb sok rendszer és alkalmazás alapul rá, fejlesztők egész sora tekinti másolandó mintának. Az evolúció szimulációjához használt különböző megoldásokkal, így a számítógépes környezetben végbemenő szelekcióval az 1960-as évek óta foglalkoznak.

Mesterséges életek

A terület úttörőjének John Henry Holland (1929-2015) számított, 1975-ös „Alkalmazkodás természetes és mesterséges rendszerekben” könyvével ő összegezte ezeknek az algoritmusoknak – problémamegoldó sémáknak – az elméleti alapjait, amelyek folyamatosan pontosított, finomított változatait azóta is gyakran használják bonyolult számítástudományi kérdések megoldására. Holland már a hatvanas években általános sejtautomata-szimuláló programot fejlesztett. Programjának finomított változatait a későbbiekben komplex adaptív rendszereken tesztelte: ökoszisztémán, emberi agyon és immunrendszeren, világvárosok (Tokió, New York) vérkeringésén. A részletek ugyan eltértek, a változásokkal szembeni koherencia viszont mindegyikre állt. Ebből a tényből vonta le azt a következtetést, hogy a modelleket valószínűleg általános érvényű elvek mozgatják. Az elemek módosulnak, de a nagy egész operatív marad.

Az 1990-es és a korai 2000-es évek mesterségesélet-projektjeihez is előszeretettel alkalmazták őket.

Thomas Ray, a trópusi esőerdőket kutató amerikai biológus az 1990-es évek elején kezdett nagyszabású vállalkozásba, az evolúció evolúcióját szimuláló Tierra Hálózat kidolgozásába. Állandóan átalakuló – természetes organizmusoknak megfelelő – digitális lényei a kaotikus gépi közeg limitált tereiért és az energiakészletekért küzdöttek. Egyrészt az esőerdők megóvására akart életképes modellt kidolgozni, másrészt az evolúció 750 millió évvel ezelőtti, Kambrium-kori robbanásszerű begyorsulásához keresett fogódzókat.

Munkájához genetikus algoritmust futtatott le: a programon belül mesterséges, egymással versengő, az evolúció mechanizmusainak alávetett individuumokból álló populációt hozott létre. Az egyedeket minden lépésnél (generációnál) értékelte, alkalmassági számokkal látta el. A legalkalmasabbakat kétféleképpen, kereszteződéssel, illetve mutációval reprodukálta. Az utód a következő generációba került, majd újra- és újraindult a (szinte végtelenített) folyamat.

Okos anyagokat tervez a gépi evolúció

A 2000-es évek elején a londoni Peter Bentley MOBIUS-ával (MOdelling BIology Using Smart materials) biológiai alapú intelligens anyagok és eszközök, például 3D nyomtatók fejlesztését célozta meg hasonló módszerrel.

„Ha az evolúció konfigurálhat rendszereket egy számítógépben, a létrejött terv teljesen újféle módon aknázza ki a szerkezet fizikai tulajdonságait” – elmélkedett. Bizonyosságot nyerhet, hogy a digitális evolúció is képes elképesztően komplex rendszereket teremteni. Alakváltoztató robotformákkal (hernyómozgású kígyóval), óceáni kovamoszatokkal, fraktálokkal kísérleteztek.

E projektek és a genetikus algoritmusok stb. általános tanulsága, hogy a digitális entitások evolúciója hasonló a természetes lényekéhez, egyszerű replikátorokból bonyolult adatfeldolgozókká válnak, a sok ezer generáción keresztül tanulmányozott rendszerek egyre komplexebb formák felé fejlődnek. Biológiai élelem helyett számokkal – egyekkel és zérókkal – táplálkoznak.

És valóban megadatott nekik a lehetőség, hogy továbbfejlesszék a mesterséges intelligenciát.