[[427578]]

動物的智慧是在和環(huán)境互動的過程中與身體形態(tài)同步進化的。

例如，倉鼠通過「進化」出長了好多腿的倉鼠球來逃避貓的追捕（doge）。

好吧，言歸正傳，AI也相當(dāng)聰明，但與動物不同的是，AI通常是在硅基的芯片上實現(xiàn)的，并沒有實體。

那么，如果給AI一個「身體」，這對于智能的進化是否重要？如果是的話，又該如何利用來創(chuàng)造更聰明的人工智能？

在李飛飛的帶領(lǐng)下，斯坦福大學(xué)的研究小組創(chuàng)建了一個計算機模擬的「游樂場」——DERL（深度進化強化學(xué)習(xí)），其中被稱為「Unimals」（通用動物）的智能體在經(jīng)歷不斷變異和自然選擇。論文刊登在《自然通訊》雜志上。

https://www.nature.com/articles/s41467-021-25874-z

研究結(jié)果顯示，虛擬生物的身體形狀影響了它們學(xué)習(xí)新任務(wù)的能力，在更具挑戰(zhàn)性的環(huán)境中學(xué)習(xí)和進化的形態(tài)，或者在執(zhí)行更復(fù)雜的任務(wù)時，比那些在更簡單的環(huán)境中學(xué)習(xí)和進化的形態(tài)學(xué)習(xí)進化得更快、更好。

在這項研究中，具有最成功的形態(tài)的Unimal也比前幾代更快地掌握了任務(wù)，盡管它們最初的基線智力水平與前代相同。也就是說，「具身化」是智能進化的關(guān)鍵。

「我們通常專注于AI是如何實現(xiàn)人類大腦中神經(jīng)元的功能，」研究小組成員、斯坦福大學(xué)HAI的聯(lián)合主任李飛飛表示，「然而將AI看作是具有物理實體的東西是一種完全不同的范式?！?/p>

研究報告的共同作者、人文與科學(xué)學(xué)院應(yīng)用物理學(xué)副教授、HAI副主任Surya Ganguli說：「據(jù)我們所知，這是第一次相關(guān)的模擬實驗，其結(jié)果表明可以通過改變形態(tài)來加快學(xué)習(xí)的速度。」

「Unimal」宇宙

團隊設(shè)置了一個虛擬空間，并將簡單的模擬生物放入其中。當(dāng)然，這些生物只是一些通過「隨機方式」進行移動的「幾何圖形」（Unimal）。

在學(xué)習(xí)階段中，有平坦的地形，有更具挑戰(zhàn)性的地形，包括塊狀山脊、階梯和光滑的山丘。Unimal必須在多變的地形上將一個塊狀物移動到目標(biāo)位置。

訓(xùn)練結(jié)束后，每個Unimal與其他三個在相同環(huán)境/任務(wù)組合中訓(xùn)練過的Unimal進行比賽。勝者將產(chǎn)生一個單一的后代，該后代在面對與父母相同的任務(wù)之前，經(jīng)歷了一次涉及肢體或關(guān)節(jié)變化的突變。

最終，在訓(xùn)練了4000種不同的形態(tài)后，團隊結(jié)束了模擬。此時，幸存的Unimal平均經(jīng)歷了10代的進化，其形態(tài)令人驚訝地多樣化，包括兩足動物、三足動物以及有手臂和無手臂的四足動物。

而最初，「幾乎圖形」只有一個「腦袋」和發(fā)達的「四肢」，他們有許多奇形怪狀的姿勢，「有些人蹣跚前行，有些如蜥蜴般的行走姿勢。其他人揮舞著十分逗趣的行為風(fēng)格，讓人聯(lián)想到「八爪魚」。

咦？看起來似乎與舊實驗沒區(qū)別，別急，進化才剛剛開始。

這些Unimal生長在不同的星球中，星球中充滿了「起伏的山丘」和「低矮的障礙物」，他們在更加激烈的環(huán)境中展開競爭?？纯词欠袢绱蠹宜f，「逆境是成功之母」。

每個環(huán)境中的前 10 名Unimal被安排在了新任務(wù)中，從「新障礙」到將球移動到目標(biāo)位置、將盒子推上山或在兩點之間巡邏。這些「角斗士」真正展示了他們的虛擬勇氣。

最終，那些能在「復(fù)雜的地形中」行走的 Unimal 比在「平地上的表親」更快地學(xué)習(xí)新任務(wù)，并且完成的更好。

換句話說，它們通過「生存」而「進化」，但并不是「邊做邊學(xué)」。而是在復(fù)雜的環(huán)境中同時進行「進化」和「學(xué)習(xí)」，比如有臺階、丘陵、山脊和移動的地形，以便在這些復(fù)雜環(huán)境中進行操作。

在平坦的地形上，「章魚flop」可能會以相同的時間到達終點線，但「適應(yīng)山丘和山脊的身體配置」往往是更快速、更穩(wěn)定和能力最強的。他們多才多藝的身體能夠更好的利用他們的經(jīng)驗教訓(xùn) - 很快他們就將競爭對手拋在了腦后。

都交給「進化」去做吧

通用計算框架DERL利用兩個相互作用的適應(yīng)過程來制造具身的智能體

進化的外循環(huán)通過變異操作優(yōu)化智能體的形態(tài)（b），內(nèi)部強化學(xué)習(xí)循環(huán)優(yōu)化了神經(jīng)控制器的參數(shù)(c)。在可變地形的操縱中，智能體必須從初始位置（綠色球體）開始，將一個盒子移動到目標(biāo)位置（紅色方塊）。

在每個環(huán)境完成三次進化運行后（每次有4000種形態(tài)），團隊從每個環(huán)境中挑選出表現(xiàn)最好的10個Unimal，并從頭開始訓(xùn)練它們完成8項全新的任務(wù)，如繞過障礙物、操縱一個球或?qū)⒁粋€箱子推上斜坡。

最成功的Unimal在個體（通過較少的訓(xùn)練獲得更好的表現(xiàn)）和跨代的學(xué)習(xí)方面也更快。團隊發(fā)現(xiàn)，在早期祖先生命后期習(xí)得的行為能夠在他們的后代生命早期表達出來。

此外，在10代之后，最成功的Unimal形態(tài)在學(xué)習(xí)同一任務(wù)的時間是其最早祖先的一半。

這也驗證了美國心理學(xué)家James Mark Baldwin在19世紀(jì)末提出的假設(shè)：「學(xué)習(xí)具有適應(yīng)性優(yōu)勢的事物的能力」可以通過達爾文的自然選擇來傳承。

人類不一定知道如何為奇怪的任務(wù)設(shè)計機器人的身體，例如爬過核反應(yīng)堆提取廢物，在地震后提供救災(zāi)，引導(dǎo)納米機器人穿過人體，甚至做洗碗或疊衣服等家務(wù)。

或許，設(shè)計這些機器人的唯一出路就是交給「進化」去實現(xiàn)。