როგორ ვითარდება თვალები: MIT-ის მკვლევრები ხელოვნურ ინტელექტში ევოლუციის სიმულაციას ახდენენ

რატომ განუვითარდა ადამიანს დღევანდელი თვალები? მიუხედავად იმისა, რომ მეცნიერებს არ შეუძლიათ დროში უკან დაბრუნება, რათა შეისწავლონ გარემო ფაქტორები, რომლებმაც ბუნებაში არსებული მრავალფეროვანი მხედველობის სისტემების ევოლუცია ჩამოაყალიბეს, MIT-ის მკვლევრების მიერ შემუშავებული ახალი კომპიუტერული მოდელი მათ საშუალებას აძლევს, ამ ევოლუციის პროცესი ხელოვნური ინტელექტის აგენტებში გამოიკვლიონ. მათ მიერ შემუშავებული მოდელი, რომელშიც ხელოვნური ინტელექტის აგენტებს მრავალი თაობის განმავლობაში უვითარდებათ თვალები და სწავლობენ მხედველობას, ჰგავს „სამეცნიერო სავარჯიშო მოედანს“, რომელიც მკვლევრებს საშუალებას აძლევს, სხვადასხვა ევოლუციური ხე ხელახლა შექმნან. მომხმარებელი ამას აკეთებს მსოფლიოს სტრუქტურის შეცვლით და იმ ამოცანების შეცვლით, რომლებსაც ხელოვნური ინტელექტის აგენტები ასრულებენ, მაგალითად, საკვების პოვნა ან ობიექტების ერთმანეთისგან გარჩევა. ეს მათ საშუალებას აძლევს შეისწავლონ, თუ რატომ განუვითარდა ერთ ცხოველს მარტივი, სინათლისადმი მგრძნობიარე ლაქები თვალებად, ხოლო მეორეს – რთული, კამერული ტიპის თვალები. მკვლევრების ექსპერიმენტები ამ მოდელთან გვიჩვენებს, თუ როგორ განაპირობა ამოცანებმა თვალების ევოლუცია აგენტებში. მაგალითად, მათ აღმოაჩინეს, რომ ნავიგაციის ამოცანები ხშირად იწვევდა რთული თვალების ევოლუციას მრავალი ინდივიდუალური ერთეულით, როგორიცაა მწერებისა და კიბოსნაირთა თვალები. მეორეს მხრივ, თუ აგენტები კონცენტრირებულნი იყვნენ ობიექტების გარჩევაზე, მათ უფრო მეტად განუვითარდებოდათ კამერული ტიპის თვალები ირისებითა და ბადურებით. ამ მოდელს შეუძლია მეცნიერებს საშუალება მისცეს, გამოიკვლიონ „რა მოხდებოდა, თუ“ ტიპის კითხვები მხედველობის სისტემებთან დაკავშირებით, რომელთა ექსპერიმენტულად შესწავლა რთულია. მას ასევე შეუძლია უხელმძღვანელოს რობოტებისთვის, დრონებისთვის და ტარებადი მოწყობილობებისთვის ახალი სენსორებისა და კამერების დიზაინს, რომლებიც აბალანსებენ მუშაობას რეალურ სამყაროს შეზღუდვებთან, როგორიცაა ენერგოეფექტურობა და წარმოებადობა. „მიუხედავად იმისა, რომ ჩვენ არასოდეს შეგვიძლია უკან დაბრუნება და იმის გარკვევა, თუ როგორ მოხდა ევოლუციის ყოველი დეტალი, ამ ნაშრომში ჩვენ შევქმენით გარემო, სადაც შეგვიძლია, გარკვეული გაგებით, ხელახლა შევქმნათ ევოლუცია და შევისწავლოთ გარემო ყველა ამ განსხვავებული გზით. მეცნიერების კეთების ეს მეთოდი მრავალი შესაძლებლობის კარს ხსნის“, – ამბობს კუშაგრა ტივარი, MIT მედია ლაბორატორიის ასპირანტი და ამ კვლევის შესახებ ნაშრომის თანაავტორი. ნაშრომზე მასთან ერთად მუშაობდნენ თანაავტორები: ასპირანტი აარონ იანგი; ასპირანტი ცოფი კლინგჰოფერი; ყოფილი პოსტდოკი აკშატ დეივი, რომელიც ამჟამად სტოუნ ბრუკის უნივერსიტეტის ასისტენტ-პროფესორია; ტომასო პოჯიო, ევგენი მაკდერმოტის სახელობის პროფესორი ტვინისა და კოგნიტური მეცნიერებების დეპარტამენტში, მაკგოვერნის ინსტიტუტის მკვლევარი და ტვინის, გონებისა და მანქანების ცენტრის თანადირექტორი; უფროსი თანაავტორები ბრაიან ჩეუნგი, პოსტდოკი ტვინის, გონებისა და მანქანების ცენტრში და კალიფორნიის უნივერსიტეტის (სან-ფრანცისკო) მომავალი ასისტენტ-პროფესორი; და რამეშ რასკარი, მედია ხელოვნებისა და მეცნიერების ასოცირებული პროფესორი და MIT-ის კამერის კულტურის ჯგუფის ხელმძღვანელი; ასევე სხვა მკვლევრები რაისისა და ლუნდის უნივერსიტეტებიდან. კვლევა დღეს გამოქვეყნდა ჟურნალ Science Advances-ში. **სამეცნიერო სავარჯიშო მოედნის შექმნა** ნაშრომი დაიწყო მკვლევრებს შორის საუბრით ახალი მხედველობის სისტემების აღმოჩენის შესახებ, რომლებიც შეიძლება სასარგებლო იყოს სხვადასხვა სფეროში, მაგალითად, რობოტიკაში. თავიანთი „რა მოხდებოდა, თუ“ კითხვების შესამოწმებლად, მკვლევრებმა გადაწყვიტეს ხელოვნური ინტელექტის გამოყენება მრავალი ევოლუციური შესაძლებლობის შესასწავლად. „„რა მოხდებოდა, თუ“ კითხვებმა შთამაგონა, რომ მეცნიერება შემესწავლა. ხელოვნური ინტელექტის დახმარებით, ჩვენ გვაქვს უნიკალური შესაძლებლობა, შევქმნათ ასეთი განსახიერებული აგენტები, რომლებიც საშუალებას გვაძლევენ დავსვათ ისეთი კითხვები, რომლებზეც ჩვეულებრივ პასუხის გაცემა შეუძლებელი იქნებოდა“, – ამბობს ტივარი. ამ ევოლუციური სავარჯიშო მოედნის შესაქმნელად, მკვლევრებმა აიღეს კამერის ყველა ელემენტი, როგორიცაა სენსორები, ლინზები, დიაფრაგმები და პროცესორები, და გადააქციეს ისინი პარამეტრებად, რომელთა სწავლაც ხელოვნური ინტელექტის აგენტს შეეძლო. მათ ეს სამშენებლო ბლოკები გამოიყენეს ალგორითმული სწავლის მექანიზმის საწყის წერტილად, რომელსაც აგენტი გამოიყენებდა თვალების ევოლუციის პროცესში. „ჩვენ ვერ შევძელით მთელი სამყაროს სიმულაცია ატომ-ატომ. რთული იყო იმის დადგენა, თუ რომელი ინგრედიენტები გვჭირდებოდა, რომელი არ გვჭირდებოდა და როგორ უნდა გაგვენაწილებინა რესურსები ამ სხვადასხვა ელემენტზე“, – ამბობს ჩეუნგი. მათ მოდელში, ამ ევოლუციურ ალგორითმს შეუძლია აირჩიოს რომელი ელემენტები განავითაროს გარემოს შეზღუდვებისა და აგენტის ამოცანის საფუძველზე. თითოეულ გარემოს აქვს ერთი ამოცანა, როგორიცაა ნავიგაცია, საკვების იდენტიფიკაცია ან ნადირის თვალთვალი, რომელიც შექმნილია იმ რეალური ვიზუალური ამოცანების იმიტაციისთვის, რომელთა გადალახვაც ცხოველებს გადარჩენისთვის უწევთ. აგენტები იწყებენ ერთი ფოტორეცეპტორით, რომელიც სამყაროს აკვირდება, და მასთან დაკავშირებული ნერვული ქსელის მოდელით, რომელიც ვიზუალურ ინფორმაციას ამუშავებს. შემდეგ, თითოეული აგენტის სიცოცხლის განმავლობაში, ის წვრთნას გადის გამაძლიერებელი სწავლის გამოყენებით – ცდისა და შეცდომის ტექნიკით, სადაც აგენტი ჯილდოვდება თავისი ამოცანის მიზნის მიღწევისთვის. გარემო ასევე მოიცავს შეზღუდვებს, როგორიცაა პიქსელების გარკვეული რაოდენობა აგენტის ვიზუალური სენსორებისთვის. „ეს შეზღუდვები განაპირობებს დიზაინის პროცესს, ისევე როგორც ჩვენს სამყაროში არსებული ფიზიკური შეზღუდვები, როგორიცაა სინათლის ფიზიკა, რომელმაც განაპირობა ჩვენი ო