ИИ, обученный навигации, разработал систему, схожую с «компасом» из мозга млекопитающих

О DeepMind на Geektimes не писал разве что ленивый автор. Эта компания действительно выделяется своими достижениями среди прочих организаций, которые работают в сфере ИИ. Самое известный проект DeepMind — AlphaGo, ИИ, специализирующийся на игре в го. В настоящий момент эта система является, пожалуй, наиболее умелым игроком го в мире — как среди людей, так и среди машин. Но игра в го — лишь демонстрация возможностей ИИ, далеко не единственный проект компании. Сейчас она занимается обучением слабой формы ИИ премудростям навигации. Обычный способ ориентирования в окружающем пространстве с продвижением к нужной цели включает постоянную оценку того, что окружает человека (или животное) с анализом полученной информации. Специалисты DeepMind разработали комплекс нейросетей, которые обучили передвигаться по площадке квадратной формы подобно крысам. Речь идет о крысах, перемещающихся по такой же площадке. Компьютерная система получила данные о скорости передвижения крысы, основных направлениях движения, расстояния от стен и все прочие параметры. На основе этих данных ИИ выработал практически аналогичный способ передвижения, причем не спонтанный, он основывается на определенных факторах, которые использует при навигации по пространству и крыса.

Интересно то, что компьютерная система разработала специальный слой для навигации, принцип работы которого схож с принципом работы отвечающего за ориентирование в пространстве мозга млекопитающих.

У человека за это отвечает несколько групп клеток. Это нейроны, которые активируются, когда человек проходит мимо объектов, которые ранее ему уже встречались. Расположены эти нейроны в гиппокампе — отделе мозга, который отвечает за формирование памяти и хранение информации. Насколько можно судить, для этой цели выделяются специализированные клетки. Расположение этих клеток показана на анонсной картинке.

Специалисты DeepMind считают, что нейросеть при обучении сформировала схожую структуру, только, конечно, цифровую, а не физическую. И в этой же компании утверждают, что лишь нейросети, которые сформировали такие структуры, способны нормально ориентироваться в сложном окружении — не только на квадратной площадке, но и в здании с несколькими помещениями. Более того, нейросети могут адаптировать пути продвижения по такому сложному окружению в том случае, если что-то изменяется (например, закрываются двери или передвигается мебель).

На основе результатов проекта можно сделать несколько выводов. Например, один из них — метод ориентирования в пространстве, выработанный животными, является оптимальным. Нейроны из гиппокампа — отличный способ запоминать путь и прокладывать дорогу среди уже известных объектов после достаточно долгого пребывания в какой-то локации.

Похоже на то, что не только биологические, но и цифровые системы приходят к аналогичным решениям в некоторых случаях.

DOI: 10.1038/s41586-018-0102-6