详细内容或原文请订阅后点击阅览
科学家开发出能够从内部需求中学习的人工智能
生物根据体内发出的信号不断调整自己的行为。饥饿使食物变得更加重要，口渴产生对水的需求，而寒冷则鼓励动物寻求温暖。即使外部环境发生变化，这些内部需求仍会继续提供有用的指导。大多数人工智能系统的工作方式都不同。他们通常追求[…]《科学家开发能够从内部需求中学习的人工智能》一文首先出现在 Knowridge 科学报告上。
来源:Knowridge科学报告生物根据体内发出的信号不断调整自己的行为。
饥饿使食物变得更加重要，口渴产生对水的需求，而寒冷则鼓励动物寻求温暖。
即使外部环境发生变化，这些内部需求仍能继续提供有用的指导。
大多数人工智能系统的工作方式都不同。他们通常追求人类设计师定义的目标和奖励。
虽然机器人可以监控电池电量、过热或损坏部件，但它们通常通过固定规则来响应这些情况，而不是用它们来指导学习和更广泛的决策。
研究人员现在提出了一种受生活启发的框架，称为“内感受人工智能”。
它为人工智能体提供了自己定义的内部状态，并允许这些条件影响它们如何解释情况、从经验中学习并选择下一步行动。
这项研究由韩国基础科学研究所和成均馆大学的科学家以及伦敦大学学院的 Karl J. Friston 教授领导。
发表在《自然机器智能》上。
内感受是感知体内状况的生物能力，例如饥饿、疼痛和温度。在新的人工智能框架中，内部条件不仅仅被视为需要检测的问题。相反，它们提供了可以改变代理优先级的持续上下文。
例如，当代理的需求已经得到满足时，资源可能没有什么价值，但当其内部变量之一接近危险水平时，资源就会变得极其重要。
由于内部信号在许多不同的环境中仍然可用，因此它们可以帮助人工智能系统在外部线索变得不可靠或消失时进行适应。
为了探索这个概念，研究人员开发了一个名为 EVAAA 的三维虚拟环境，是“自主和自适应代理中的基本变量”的缩写。它充当人工智能代理的生存测试。
在模拟世界中，智能体会遇到食物和水、不断变化的温度、障碍物、捕食者和昼夜循环。与此同时，他们必须将四个内部变量——饱腹感、水分、体温和身体伤害——保持在安全范围内。
某些任务要求代理根据当前需求在不同资源之间进行选择。其他人则迫使他们在获取资源的价值与受伤的风险之间进行权衡。研究人员可以改变环境，同时保持相同的内部系统，从而使他们能够测试智能体是否使用其内部条件作为稳定的指导。
该方法还可以帮助人工智能决定何时探索以及何时使用熟悉的策略。饥饿的动物可能会返回已知的食物来源，而喂养良好的动物则可以更自由地探索不熟悉的领域。人工代理可以根据其内部条件做出类似的调整。
交互感知人工智能对于在现实世界中运行的机器人尤其有价值。组件损坏的机器人可能会学会避免对其施加额外压力的运动。它还可以避开之前发生碰撞的路线，或者改变导航时最受关注的信息。
当行星漫游车的电池电量过低或温度变得不安全时，它可能会暂停任务 - 不是因为它放弃了人类分配的任务，而是因为保护自己对于以后完成该任务是必要的。
研究人员强调，这个框架不会赋予机器感觉、意识或意识。它是一个用于调节行为和学习的计算系统。
虽然该模型比生物内感受简单得多，但它为开发更加自主、适应性更强并能够智能地响应自身不断变化的身体状况的人工智能提供了新的方向。