新たな方向性！ DeepMindは知的生物の出現を促進する人工生命フレームワークを提案

最近、DeepMind の研究者たちは、知的生物の出現を促進するように設計された人工生命フレームワークを提案しました。このフレームワークにはインテリジェントエージェントの明確な概念はなく、むしろ原子要素で構成された環境が存在します。これらの要素にはニューラル操作が含まれており、環境に含まれる情報交換や物理学のようなルールを通じて相互作用します。研究者たちは、進化の過程によって、環境内で共存し繁栄できる多くの原子元素から構成されるさまざまな生物がどのようにして出現したのかについて議論している。研究者らはまた、これがどのようにして一般的な AI 生成アルゴリズムの基礎を形成できるかを探り、そのようなシステムの簡略化された実装を提供し、さらに規模を拡大するためにどのような改善が必要かを議論しています。

論文アドレス: https://arxiv.org/pdf/2101.07627.pdf

ディープマインドが新しいシステムを提案

現実世界は、互いに相互作用してより大きな実体を形成する素粒子で構成されています。 DeepMind 研究で提案された環境 (AI 生成アルゴリズム) は、要素で構成されていますが、規模が大きくなっています。各要素には、行列乗算、外積、またはこれらの演算子のシーケンスなどのニューラル演算が含まれています。これらの要素は、何らかの基本ルール（物理的なタイプと神経状態の直接的な通信）を通じて相互に作用します。

このシステムにはいくつかの実装があります。この論文では、プリミティブがグリッド上に配置され、伝播信号またはアテンション メカニズムを介して通信し、エネルギーと準化学交換を実装する基礎となる物理学と通信するグリッド ワールド実装について説明します。もう 1 つの例は、3 次元空間で剛性パーツを形成する要素です。これらの要素は、近くの接続パーツと信号を交換し、ジョイントにトルクを設定することで相互作用するニューラル操作を含むジョイントを介して接続できます。システムには複数の種類の要素が存在する可能性があり、そのすべてにニューラル ネットワークが組み込まれている必要はありません。

研究者らは論文の中で、グリッドの実装を示し、いくつかの重要な特性を強調し、システムを堅牢にするためにどのような改善が必要かを検討しています。

ただし、システムの可能性は無限であり、次の機能をサポートしています。

複数の要素で構成されるより大きなユニットは、物理的な接続 (ロボットなど) によって形成される場合もあれば、単に通信して全体を形成する一連の決定として形成される場合もあります。これらのユニットの潜在的なサイズに制限はありません。ロボットはさまざまな方法で拡散します。環境の他の要素を乗っ取って成長したり（コロニー）、新しいコピーを組み立てて複製したり、収集した適切な要素を別の場所に移動したり（断片を組み立てて自己複製するロボットのように）、自己組織化したり、専用の機能を果たす完全に異なるユニット（便利なマシン）や、以前のユニットよりも優れたユニットを生成したりすることもできます。後者には知性が必要になるかもしれません。

インテリジェント機能

研究者らは、この研究で提案されたコンピューティング システムが汎用知能を表現する能力を備えている理由について、2 つの議論を展開しています。

まず、現在存在する、または将来作成される可能性のある機械学習用のニューラル アルゴリズムは、ニューラル ネットワークの順方向、逆方向、および最適化操作によって生成されるシーケンスなどのテンソル状態に対して実行される、加算、行列乗算、外積、非線形性などの一連の操作として記述できます。 AutoML-Zero はこれを認識し、そのような演算子のシーケンスとそれらが動作する状態への接続を直接検索し、基礎となるニューラル アルゴリズムを学習することができます。これらの演算子は環境の基本的な構成要素であり、任意の接続で通信できるため、すべてのニューラル アルゴリズムをこのシステムに実装できます。

エージェントの想定

このシステムでは、エージェントと環境の区別はなく、環境のみが区別されます。要素自体は進化単位を形成する場合と形成しない場合があり、進化単位の再生は継承を示しますが、継承の領域は正確ではありません。前者の場合、自律的に移動してエネルギーを集め、複製し、より大きな集合体を形成したり、生物を複製したりすることができます。そうすることには利点があるからです。この研究は、自己増殖するために最小限の数のより単純な協力ユニットを必要とする後者に焦点を当てています。

SIMグリッドバージョンと共通プロパティ

この論文では、自己組織化インテリジェント物質 (SIM) の例も紹介し、そのさまざまな側面について議論し、それが AI 生成アルゴリズムを構成できると研究者が考える理由をさらに示しています。

前述のように、エージェントという組み込みの概念はなく、実際には環境のみが存在します。通常、物理シミュレータなどの物理部分用と、TensorFlow、PyTorch、Jax などのニューラル ネットワーク フレームワークなどのニューラル部分用の 2 つの異なるプラットフォームでシステムを実装するのは不自然です。この研究では、そのようなシステムを単一のプラットフォーム上に構築することを提案しています。インテリジェントな動作を生成するには、ニューラル ネットワークを効率的に実行する必要があるため、システムを後者のプラットフォームに実装する必要があります。この研究では、柔軟性の高さから Jax が選択されました。

Jax は、要素を格納するために使用されるテンソルを操作します。これらの要素は相互作用し、任意のサイズの柔軟な集合体を形成する能力を持つ必要があります。

実験

この研究では上記のシステムを実行し、図 2 に示すように、実行間で興味深い多様性が観察されました。

図2: 操作結果。上の行では、研究者は異なる色を使用して 3 つの異なるランダムな重みを表現しました。

図 2 の上段に示すように、複数の領域で両方の要素が安定して共存できること、つまり、異なる色の点が同じ空間領域に存在することがわかります。そして、これが長期間続いたという事実は、彼らが共存する方法を見つけたことを示唆しています。