Przez lata naukowcy zastanawiali si\u0119, dlaczego my, ludzie, mamy takie oczy, jakie mamy dzisiaj. Proces ewolucji, kt\u00f3ry ukszta\u0142towa\u0142 nasz uk\u0142ad wzrokowy, wci\u0105\u017c pozostaje w du\u017cej mierze tajemnic\u0105. Naukowcy z MIT zrobili jednak krok naprz\u00f3d w tej odkrywczej podr\u00f3\u017cy, opracowuj\u0105c now\u0105 struktur\u0119 obliczeniow\u0105 z pomoc\u0105 sztucznej inteligencji. Jest to do\u015b\u0107 pomys\u0142owy proces - pomy\u015bl o nim jak o cyfrowym odtwarzaniu ewolucji.<\/p>\n
Ta najnowocze\u015bniejsza struktura obliczeniowa dzia\u0142a jak naukowy plac zabaw. Agenci AI s\u0105 umieszczani w wirtualnych \u015brodowiskach i maj\u0105 za zadanie ewoluowa\u0107 oczy przez wiele pokole\u0144. Przydzielaj\u0105c zadania - takie jak identyfikacja obiekt\u00f3w lub orientacja w terenie - agenci AI odpowiednio rozwijaj\u0105 swoje systemy wizualne. Naukowcy mog\u0105 dostosowywa\u0107 warunki \u015brodowiskowe i specyfik\u0119 zada\u0144, co pozwala im bada\u0107 r\u00f3\u017cne ewolucje oczu w r\u00f3\u017cnych okoliczno\u015bciach.<\/p>\n
Niesamowite jest to, \u017ce gdy tym agentom AI powierzono r\u00f3\u017cne zadania, ich ewolucja przebiega\u0142a r\u00f3\u017cnymi \u015bcie\u017ckami. Na przyk\u0142ad, gdy agenci mieli za zadanie nawigacj\u0119, rozwin\u0119li z\u0142o\u017cone oczy, takie jak te wyst\u0119puj\u0105ce u owad\u00f3w i skorupiak\u00f3w, kt\u00f3re dobrze s\u0142u\u017c\u0105 \u015bwiadomo\u015bci przestrzennej. Jednak\u017ce, gdy ich zadaniem by\u0142o rozr\u00f3\u017cnianie obiekt\u00f3w, sztuczna inteligencja ewoluowa\u0142a, by mie\u0107 oczy typu kamery, z t\u0119cz\u00f3wkami i siatk\u00f3wkami, podobne do ludzkich oczu. <\/p>\n
Je\u015bli chodzi o konstrukcj\u0119, symulator obliczeniowy jest inspirowany podstawowymi komponentami kamery. Czujniki, soczewki, przys\u0142ony i procesory zosta\u0142y przekszta\u0142cone w zmienne, kt\u00f3re sztuczna inteligencja mog\u0142a dostosowa\u0107 i nauczy\u0107 si\u0119. Agenci AI zacz\u0119li od prostego fotoreceptora i sieci neuronowej do przetwarzania danych wizualnych. Z biegiem czasu ewoluowa\u0142y one swoje systemy wizualne poprzez system nagr\u00f3d oparty na wykonywaniu zada\u0144 - metoda na\u015bladuj\u0105ca selekcj\u0119 naturaln\u0105, w kt\u00f3rej korzystne cechy s\u0105 wyostrzane i przekazywane dalej.<\/p>\n
Jedn\u0105 z prze\u0142omowych mo\u017cliwo\u015bci tej struktury jest zdolno\u015b\u0107 do na\u015bladowania fizycznych ogranicze\u0144 wyst\u0119puj\u0105cych w naturze poprzez ograniczenia, takie jak ilo\u015b\u0107 dost\u0119pnych pikseli wizualnych. Agenci AI musz\u0105 nast\u0119pnie dokonywa\u0107 kompromis\u00f3w, tak jak ewolucja w naturze... a wynik? Bogata r\u00f3\u017cnorodno\u015b\u0107 projekt\u00f3w oczu, z kt\u00f3rych ka\u017cdy doskonale nadaje si\u0119 do okre\u015blonych wymaga\u0144 \u015brodowiskowych i zada\u0144.<\/p>\n
System kodowania genetycznego zosta\u0142 wykorzystany do symulacji naturalnej ewolucji. Geny morfologiczne decyduj\u0105 o lokalizacji i postrzeganiu oczu; geny optyczne definiuj\u0105 interakcj\u0119 oczu ze \u015bwiat\u0142em, w tym liczb\u0119 fotoreceptor\u00f3w, a geny neuronowe wp\u0142ywaj\u0105 na zdolno\u015b\u0107 uczenia si\u0119. Ta cyfrowa ewolucja rezonuje z natur\u0105, pokazuj\u0105c, jak wyrafinowane systemy wizualne mog\u0105 rozwija\u0107 si\u0119 od prostych pocz\u0105tk\u00f3w.<\/p>\n
Badania te to jednak co\u015b wi\u0119cej ni\u017c tylko zaspokojenie naukowej ciekawo\u015bci. Badania te mog\u0105 wyposa\u017cy\u0107 in\u017cynier\u00f3w w narz\u0119dzia do projektowania kamer i czujnik\u00f3w do zastosowa\u0144 specyficznych dla zada\u0144 w robotach, dronach lub urz\u0105dzeniach do noszenia. Mo\u017cemy zoptymalizowa\u0107 wydajno\u015b\u0107, jednocze\u015bnie znajduj\u0105c idealn\u0105 r\u00f3wnowag\u0119 z ograniczeniami, takimi jak zu\u017cycie energii lub koszty produkcji. Przysz\u0142e badania mog\u0105 doprowadzi\u0107 do zintegrowania du\u017cych modeli j\u0119zykowych z systemem, aby odpowiedzie\u0107 na z\u0142o\u017cone scenariusze \u201cco je\u015bli\u201d.<\/p>\n
\u201cNawet je\u015bli nie mo\u017cemy ca\u0142kowicie odtworzy\u0107 procesu ewolucji, stworzyli\u015bmy \u015brodowisko, kt\u00f3re mo\u017ce pozwoli\u0107 nam odtworzy\u0107 go na wszystkie te r\u00f3\u017cne sposoby\u201d - m\u00f3wi Kushagra Tiwary, doktorantka w MIT Media Lab i jedna z g\u0142\u00f3wnych autorek badania. Badanie, b\u0119d\u0105ce wsp\u00f3lnym projektem naukowc\u00f3w z MIT, Stony Brook University, Rice University i Lund University, zosta\u0142o opublikowane w czasopi\u015bmie Post\u0119py nauki<\/em>.<\/p>\n