Эксклюзивное интервью: план доктора Карла Фристона по созданию общего искусственного интеллекта

«Коллективный прогресс в этой области демонстрирует потенциал активного вывода как систематического проекта общего искусственного интеллекта (AGI)».

Будучи главным научным сотрудником VERSES AI и пионером принципа свободной энергии, лежащего в основе активного вывода, Фристон и его команда VERSES разработали совершенно новый вид ИИ, имитирующий биологический интеллект, способный брать любой объем данных и делать его «умным».

В эксклюзивной презентации на недавнем 4-м Международном семинаре по активному выводу (IWAI), состоявшемся в Генте, Бельгия, 13 сентября. 15 октября 2023 года всемирно известный нейробиолог доктор Карл Фристон дал менее чем 100 мировым экспертам и исследователям активного вывода возможность взглянуть на будущее искусственного интеллекта следующего поколения. Его доклад дал представление о некоторых последних исследованиях, связанных с пространствами состояний, универсальными генеративными моделями, разделением убеждений между агентами, активным обучением и структурированным обучением.

Доктор Фристон находится в авангарде разработки моделей «активного вывода», которые революционизируют способы обучения и адаптации интеллектуальных систем. Информация, которой поделились в IWAI, основана на более чем десятилетней новаторской работе и сотрудничестве с коллегами-исследователями в Nested Minds Network в Университетском колледже Лондона.

Посмотрите выпуск целиком СЕЙЧАС на YouTube или Spotify.

Структура интеллекта: пространства состояний и графы факторов

В основе понимания интеллекта лежит идея «генеративных моделей мира»  —  это вероятностные структуры, которые инкапсулируют основную структуру и динамику, участвующие в создании сенсорных данных. Как объяснил Фристон, разработка универсального генеративного мира модель, которую можно широко применять, была основной целью.

Задача заключается в моделировании тонкостей «пространств состояний»  —  фиксации не только самих сенсорных данных, но и скрытых переменных и управляющих факторов, которые определяют, как стимулы разворачиваются с течением времени. Используя иерархическую и факториальную структуру, увеличенную временную глубину и уделяя особое внимание динамике агентов и путям управления, Фристон работал над созданием выразительных, но интерпретируемых моделей сложных сред.

По его предположению, полученная в результате грамматика когнитивных машин  — «факторные графы, оснащенные передачей сообщений» — может стать основой для развития как распределенных, так и встроенных интеллектуальных систем.

Изучение природы пространств состояний

Значительная часть доклада была посвящена пространствам состояний в рамках этих генеративных моделей. Фристон подчеркнула, что понимание этих пространств жизненно важно для понимания динамики того, как наш мозг прогнозирует стимулы и реагирует на них.

Фристон в значительной степени сосредоточился на разработке более полных генеративных моделей спорных пространств состояний, обобщая и расширяя частично наблюдаемые марковские процессы принятия решений. В его моделях особое внимание уделяется представлению путей и управляющих переменных во времени, иерархическом виде. в различных временных масштабах, при этом учитывается множество факторов, которые могут действовать независимо или в сочетании друг с другом на разных уровнях или уровнях модели. Прямое моделирование динамики и контроля в его работе проливает новый свет на понимание таких концепций, как намеренное планирование, в отличие от поведения, на которое влияют предыдущие предпочтения.

Системы экстренной связи между несколькими агентами

Разведка также зависит от взаимодействия с другими агентами. Фристон показал, что когда интеллектуальные агенты проводят «активное обучение» с акцентом на получение информации, этот подход по своей сути приводит к развитию общих методов общения и языковых структур. По сути, по мере того, как агенты стремятся повысить точность и эффективность своей модели путем обмена убеждениями, развиваются самоорганизующиеся модели, спонтанно создавая основу для взаимопонимания и предсказуемости.

Разработка методов беспрепятственного объединения знаний и достижения консенсуса при сохранении специализации является активным направлением исследований. Интегрированные компоненты должны балансировать между стабильностью и гибкостью, медленно адаптируя основные убеждения, оставаясь при этом восприимчивыми к внешним воздействиям. Как отметил Фристон, подобно траекториям взросления человека, детская податливость угасает, однако интеграция новых идей остается возможной в нишевой среде.

Сборка универсальной генеративной модели мира

Создание универсальной «модели мира», которую можно было бы широко применять, остается амбициозной целью. Фристон обсудил два потенциальных подхода  — изначально простую модель, которая структурно расширяется, чтобы охватить большую сложность, и модель с широкими взаимосвязями, которая больше полагается на центр внимания. Он также отметил возможность составления таких моделей из подграфов специализированных интеллектуальных агентов, что позволяет параллельно разрабатывать части соответствующего масштаба. Обмен убеждениями посредством протоколов связи, таких как пространственный веб-протокол, разработанный VERSES AI, позволяет обучающимся агентам прийти к взаимно предсказуемой и, следовательно, более эффективной совместной модели мира.

Обмен убеждениями посредством активного обучения

Обмен убеждениями и его влияние на активное обучение стали еще одним краеугольным камнем презентации доктора Фристон. Он рассказал, как наш мозг обменивается и обновляет убеждения — это процесс, имеющий решающее значение для обучения и адаптации к новой среде.

В своем выступлении Фристон продемонстрировал разделение убеждений на примере нескольких интеллектуальных агентов, играющих в прятки. Активно изучая сопоставление между убеждениями и коммуникативными высказываниями, Агенты могут разрешать неопределенность и синхронизировать свои внутренние модели посредством высказываний, распространяющих убеждения. . Эта возникающая система связи естественным образом возникает из стремления максимизировать информацию и эффективность общей модели мира.

Информационно-теоретический взгляд на активное обучение

В более техническом смысле Фристон рассматривает активное обучение как процесс, в котором обновления модели рассматриваются как действия, направленные на уменьшение ожидаемой свободной энергии. Эта точка зрения коренится в теории информации, где свободная энергия представляет собой прирост информации, ограниченный определенными предпочтениями, возникающими в результате обновления конкретных параметров. В результате модель изучает сопоставления, которые одновременно разрежены и богаты взаимной информацией, эффективно представляя структурированные отношения. Фристон проиллюстрировал это на примере интеллектуальных агентов, совместно самоорганизующихся вокруг общая языковая модель.

Структурированное обучение: новый взгляд

Наконец, структурированное обучение обсуждалось как новый подход в сфере активный вывод. Доктор Фристон рассказал о том, как структурированные системы обучения могут предложить более эффективные способы понимания мира и взаимодействия с ним.

Структурированное обучение посредством управляемого расширения модели

Фристон исследовал активный выбор модели, рассматривая расширение структуры модели как нечто подобное целенаправленной оптимизации за счет ожидаемой свободной энергии. Постепенное введение новых элементов, таких как состояния или факторы, следуя простым эвристическим принципам, позволяет автоматически увеличивать сложность модели, чтобы лучше отражать и улучшать ее соответствие среде обучения. Фристон продемонстрировал различные варианты применения: от неконтролируемой кластеризации до разработки отдельных, непересекающихся представлений в моделировании агента.

Структурированное глубокое обучение

Интеллект требует не просто статистического моделирования, как то, что мы видим в современных системах искусственного интеллекта или глубокого обучения, но и распознавания структурного состава — паттернов частей в целое и зависимостей, которые характеризуют естественные системы, которые встречаются в реальном мире. Фристон изложил стратегии постепенного развития архитектуры реальных моделей и улучшения модульных элементов в ответ на свежие данные, и все это основано на четких целях.

Управляемое увеличение сложности удивительным образом приводит к естественному развитию организованных и отдельных областей функций, классифицирует их по четким категориям и контролирует их модели поведения, и все это на основе необработанных потоков мультимедийных данных. Такие возможности приближаются к гибкому человеческому обучению, которое выходит далеко за рамки нынешних пассивных систем распознавания образов и превращается в автономные интеллектуальные системы, взаимодействующие с окружающей средой и изменяющие ее.

Будущее искусственного интеллекта с активным выводом

В целом, презентация доктора Карла Фристона на IWAI 2023 демонстрирует, что его работа продолжает продвигать искусственный интеллект с активным выводом на новую территорию посредством таких инноваций, как индуктивное планирование, теоретико-информационный формализм, новые коммуникационные системы и структурированное обучение. По мере развития моделей, методов и идей перспективы реализации искусственного интеллекта как множества интеллектуальных агентов, способных учиться, действовать и сотрудничать на уровне человеческого интеллекта, становятся все более убедительными.

Коллективный прогресс в этой области демонстрирует потенциал активного вывода как систематического проекта общего искусственного интеллекта (AGI).

Хотя презентация Фристона была задумана лишь как беглый взгляд, эти идеи позволяют VERSES AI оставаться на переднем крае создания Автономные интеллектуальные системы (АИС), которые могут понимать, общаться и адаптироваться, как люди. В основе влияния доктора Карла Фристона в сфере ИИ лежит его ясность видения и глубокая интеллектуальная проницательность, которые активно формируются. эволюция следующей эры этих технологий.

Смотрите СЕЙЧАС на YouTube:

Главы эпизодов:

00:00 — Вступительное слово Тима и Карла Фристонов

06:09 — Значение свободной энергии для понимания жизни

07:10 — Изучение марковских бланкетов и факторных графиков

09:56 — Иерархические генеративные модели и восприятие времени

13:36 — Активный вывод и планирование с ожидаемой свободной энергией

15:40 — Объединенная свободная энергия и обобщенная синхрония в физике

16:40 — Роль путей и намерений в физике и активном умозаключении

17:35 — Указание конечных точек путей в качестве целей

30:26 — Общение и обмен убеждениями в федеративных системах

31:35 — Генераторные модели и восприятие агентов

40:19 — Сравнение моделей и обнаружение скрытого состояния

41:25 — Активный выбор модели и рукописные стили цифр

45:30 — Структурированное обучение и локализация объектов

49:10 — Эпистемический поиск и уверенность в обучении

50:21 — Динамика получения информации и обучения

51:29 — Заключение и начало вопросов и ответов

01:19:33 — Акцент на ограничениях в принципе свободной энергии

01:23:40 — Заключительное слово

01:24:55 — Размышления Карла Фристона об эволюции этой области и следующем поколении

Изучите будущее искусственного интеллекта с помощью активного вывода и получите представление об этом революционном подходе! Посетите мой блог at https://deniseholt.us/ и Подпишитесь на мои каналы на< /em> YouTube, Spotify, Apple, Amazon и другие, а также подпишитесь на мою рассылку новостей на LinkedIn , чтобы увидеть еще больше новаторского контента.

Также опубликовано здесь.< /п>