26703715 مشاوره آموزشی رایگان

26703715 مشاوره آموزشی رایگان

آنچه که ماشین‌های هوشمند می‌توانند از دسته ماهی‌ها یاد بگیرند

Radhika Nagpal

What intelligent machines can learn from a school of fish

Science fiction visions of the future show us AI built to replicate our way of thinking -- but what if we modeled it instead on the other kinds of intelligence found in nature? Robotics engineer Radhika Nagpal studies the collective intelligence displayed by insects and fish schools, seeking to understand their rules of engagement. In a visionary talk, she presents her work creating artificial collective power and previews a future where swarms of robots work together to build flood barriers, pollinate crops, monitor coral reefs and form constellations of satellites.


تگ های مرتبط :

AI, Robots, Fish
در اولین روزهای دوران دانشجویی ارشد، به یک سفر غواصی زیر آب در سواحل باهاما رفتم. راستش قبلاً در اون اقیانوس شنا نکرده بودم، بنابراین کمی ترسیده بودم. چیزی که بیشتر به یاد می‌آورم، همانطور که سرم را در آب گذاشتم و سخت تلاش می‌کردم از طریق لوله تنفس نفس بکشم، یک گروه بزرگ از ماهی‌های راه راه زرد و سیاه مستقیم به سمت من آمدند ... و من فقط بی‌حرکت ماندم. و بعد، مثل اینکه ناگهانی عقیده‌شان عوض بشود، به سمت من می‌آمدند و بعد به سمت راستم منحرف می‌شدند و به اطراف من می‌رفتند. بسیار مسحور کننده بود.
شاید خیلی از شماها همچین تجربه‌ای داشته‌اید. البته، با وجود رنگ و زیبایی آن‌ها، اما در آن یک نوع یکنواختی وجود داشت، که انگار این‌ها صدها ماهی نیستند بلکه انگار یک نهاد واحد با یک ذهن واحد جمعی داشت برایشان تصمیم گیری می‌کرد. وقتی به عقب نگاه می‌کنم، فکر می‌کنم از این تجربه درس گرفتم و در بیشتر کارهایم از آن استفاده کردم. من یک محقق کامپیوتر هستم، و در زمینه هوش مصنوعی کار می‌کنم. و یک موضوع مهم در هوش مصنوعی توانایی درک هوش با ایجاد سیستم‌های محاسباتی خودمان است که هوش را به‌طریقی که در طبیعت می‌بینیم نشان دهد.
در حال حاضر، بیشتر ایده‌های هوش مصنوعی، از فیلم‌ها و تخیلات آمده است، و من شخصاً طرفدار فیلم «جنگ ستارگان» هستم. اما به نظر می‌رسد این نگرش به هوش بسیار انسان محور است. وقتی به دسته ماهی‌ها یا، پرندگان مهاجر فکر می‌کنید، یک نوع دیگری از هوش رو لمس می‌کنید. برای مبتدی‌ها، یک ماهی اینقدر کوچک است که قابل قیاس با اندازه مجموعه نیست، و به نظر می‌رسد هر کدام یک جنبه کوچکی از مجموعه هستند، هم چنین هوش فرد گرا نیست اما به تک تک اعضا مربوط می‌شود. ثانیاً، چیزی که واقعا قابل توجه است،
این است که می‌دانیم رهبری برای این گروه از ماهی‌ها وجود ندارد. در عوض، این رفتار جمعی باور نکردنی صرفاً از تعاملات یک ماهی با ماهی دیگر نشات می‌گیرد. به هر حال، این تعاملات یا قواعد تعامل بین ماهی‌ها در جریان است که تمام کارها را انجام می‌دهد. و باز سوال برای هوش مصنوعی مطرح می‌شود که، که این قواعد تعامل چیست که منجربه این نوع هوش می‌شود، و حتی آیا خودمان می‌توانیم نمونه‌اش را درست کنیم؟ و این اصلی‌ترین چیزی است که در آزمایشگاه با تیمم کار می‌کنم. و ما با این نظریه کار می‌کنیم، با نگاه به قوانین انتزاعی حاکم بر سیستم‌ها
و هم چنین با فکر کردن به ریاضیات پشت آن. ما همچنین روی زیست شناسی آن با همکاری نزدیک با متخصصان کار می‌کنیم. ولی اغلب، روی رباتیک کار می‌کنیم، جایی که سعی می‌کنیم سیستم‌های جمعی خودمان را ایجاد کنیم که می‌تواند چیزهایی که در طبیعت می‌بینیم را انجام دهد، یا حداقل شبیه آن باشد. یکی از اولین ماموریت‌های رباتیک ما در این حوزه این بود که ما گروه خودمان را از هزاران ربات درست کنیم. ربات‌هایی بسیار ساده، اما برنامه پذیر برای نشان دادن هوش جمعی، واین چیزی است که توانستیم انجام دهیم. پس یک ربات اینگونه به نظر می‌رسد. بسیار کوچک، در اندازه یک سکه ۲۵ میلی متری
و می‌توانید برنامه ریزی کنید که چگونه حرکت کند، و همچنین می‌تواند به صورت بیسیم با بقیه ربات‌ها ارتباط برقرار کند، و فاصله خود را با بقیه اندازه گیری کند. و الان می‌توانیم پروژه را شروع کنیم دقیقا یک تعامل، یک قانون تعامل بین همسایگان. و هنگامیکه ما این سیستم را داریم، می‌توانیم بسیاری از این پروژه‌ها و تعاملات را که در طبیعت می‌بینیم شبیه سازی کنیم. به طور مثال، هماهنگ سازی خود به خودی، که چگونه تعدادی از حضار دست می‌زنند و ناگهان همگی با هم دست می‌زنند، یا کرم‌های شب تاب با هم می‌درخشند. ما می‌توانیم ساخت الگوهای این قوانین را برنامه ریزی کنیم،
چگونه سلول‌ها در یک بافت تشخیص می‌دهند که هر کدام چه نقشی دارند و الگوهای بدن ما را تنظیم می‌کنند. می‌توانیم قواعد مهاجرت را برنامه پذیر کنیم و به این طریق می‌توانیم قوانین طبیعت را یاد بگیریم. حتی می‌توانیم آنها را یک گام به‌جلو ببریم. ما می‌توانیم این قوانینی که از طبیعت یاد گرفته ایم را بگیریم ترکیب شان کنیم و در نهایت یک رفتار جمعی جدید بسازیم که مختص خودمان باشد. برای مثال، تصور کنید شما دو نوع مختلف قانون داشتید. قانون اول که قانون حرکت است جایی که یک ربات می‌تواند بین ربات های ایستاده دیگر حرکت کند.
و قانون دوم، قانون الگو است جایی که یک ربات از دو تا از نزدیک ترین همسایگانش رنگی را می‌گیرد. بنابراین اگر با یک گروه از ربات‌ها شروع کنم، معلوم است که این دو قاعده برای این دو گروه کافی است تا یک الگوی خط ساده را خودش بتواند جمع آوری کند. و اگر قواعد پیچیده بیشتری داشته باشم و قوانین اصلاح خطا را طراحی کنم، ما واقعاً می‌توانیم مجموعه‌های پیچیده خود-سازمان‌دهی را ایجاد کنیم، و این چیزی که به نظر می‌رسد. در اینجا هزاران ربات را خواهید دید که با هم برای درست کردن حرف K همکاری می‌کنند. جهت آن از بالا به پائین. و قسمت مهم اینجاست که هیچکس رهبر نیست.
بنابراین یک ربات با تعداد کمی از همسایگان خود ارتباط برقرار می‌کند، و برای حرکت پیرامون سازه در حال تکمیل از قانون حرکتش استفاده می‌کند و با توجه به الگویش دنبال یک مکان می‌گردد تا در آنجا قرار گیرد. حتی اگر هیچ رباتی کار خود را به خوبی انجام ندهد، قوانین طوری تنظیم شده‌اند که کل گروه برای رسیدن به هدف با جدیت تلاش می‌کنند. و تقریباً اینجا اشتباه پیش می‌آید که، در ابتدا به این توجه نمی‌کنید که این‌ها ربات‌های فردی هستند، تبدیل به یک موجودیت واحد می‌شوند، مثل دسته ماهی‌ها. این تصویر ربات‌ها و قوانین سازنده در محیط دو بعدی است، اما می‌توانیم آن‌ها را در سه بعد نیز تصور کنیم.
و چی می‌شد اگر ما بتوانیم ربات‌هایی را بسازیم که بتوانند خودشان را بسازند؟ و اینجا، می‌توانیم از حشرات اجتماعی نیز الهام بگیریم. اگر تپه موریانه‌ها را درنظر بگیرید یا حتی مورچه‌های سرباز، آنها لانه‌های پیچیده ای ازگل را به طور باورنکردنی می‌سازند و حتی از خود بدن‌هایشان. و این سیستمی است که قبلا به شما گفته بودم، و این حشرات واقعاً همچنین الگوهایی دارند که به آنها کمک می‌کنند بفهمند چی بسازند، و این الگو می‌تواند از حشرات دیگر نیز گرفته شود، یا حتی از ساختار گِل. و ما می‌توانیم از همین ایده برای ساخت قواعد روبات‌ها استفاده کنیم.
در اینجا بعضی از ربات‌های شبیه سازی شده را می‌بینید. این ربات شبیه سازی شده دارای یک قانون حرکت است که چگونه از الگوها برای توسعه استفاده می‌کند، چگونه یک مکان را برای قرار گیری پیدا کند، و الگوهایی دارد که وقتی به گروهی از بلوک‌ها می‌رسد تصمیم بگیرد که بلوک جدیدی را بگذارد یا نه. و با قوانین حرکت و الگوهای درست، ما می‌توانیم از ربات‌ها برای ساخت هر چیزی که می‌خواهیم استفاده کنیم. معلومه که هرکسی دنبال ساخت برج خودش خواهد بود. (خنده) پس بعد از مشخص شدن قوانین، می‌توانیم سراغ ساخت شکل ربات‌ها متناسب با این الگوها برویم.
اینجا رباتی را می‌بینید که می‌تواند از بلوک‌ها بالا برود و می‌تواند بلوک‌ها را بلند و جا به جا کند و می‌تواند مکان هر بلوک را اصلاح کند. اما با این قوانین، این تنها یک نوع از ربات‌هایی هست که می‌توانید تصورش کنید. می‌توانید انواع اشکال مختلفی از ربات‌ها را تصور کنید. می‌توانید روباتی را تصور کنید که کیسه‌های شن را جا به جا کند و می‌تواند به ساخت خاکریزها کمک کند، یا می‌توانیم ربات‌هایی را تصور کنیم که از مواد نرم ساخته شده اند و باهم برای آوار برداری یک ساختمان فرو ریخته همکاری کنند. پس اینجا نیز می‌توان همان قوانین اولیه را در ربات‌هایی با اشکال مختلف نیز دید. یا اگر، مثل گروه من، مشتاق در روش مورچه‌های سرباز هستید.
شاید بتوانیم ربات‌هایی را بسازیم که به معنای واقعی کلمه از هر چیزی حتی از روی خودشان نیز بالا بروند و چیزهایی را به‌تنهایی بسازند. هنگامی که قوانین را می‌فهمید، می‌توانید انواع مختلفی از ربات‌ها بسازید. خب برگردیم به سفر دریایی‌مان، ما در واقع تعامل بزرگی در دسته ماهی‌ها می‌بینیم که از آن بهره می‌برند. پس اگر بتوانیم همچین چیزی را بسازیم، ممکن است در آینده من و گروهم به سفر غواصی دریایی برویم که دسته ماهی‌هایشان را خودمان ساخته‌ایم. هر کدام از سیستم‌هایی که من به شما نشان دادم، ما را به ابزارهای ریاضی و مفهومی نزدیک می‌کنند که بتوانیم
نسخه‌های با قدرت از تعامل جمعی برای خودمان را بسازیم، و این می‌تواند به بسیاری از درخواست‌های کاربردی ما در آینده پاسخ دهد. وقتی که ربات‌هایی به وجود آیند که مانعی برای سیل بسازند یا ربات‌های زنبور مانندی که محصولات کشاورزی را گرده افشانی کنند یا دسته ربات‌های آبی که صخره‌های مرجانی را زیر نظر داشته باشند، یا اگر ما به ستاره‌ها رسیدم، برای [برقراری ارتباط] بتوانیم شبکه‌ای از ماهواره‌های برنامه پذیر داشته باشیم. در هر کدام از این سیستم‌ها، توانایی فهم نحوه طراحی قوانین تعامل و توانایی ساخت رفتار جمعی خوب کلیدی است که برای درک بهتر این دیدگاه‌ها. تاکنون، درباره قوانین حشرات، ماهی‌ها
و همچنین روبات‌ها صحبت کردم، اما درباره قوانینی که حاکم بر مشارکت جمعی ماست چطور؟ و آخرین حرفی که می‌خوام شما را باهاش تنها بگذارم اینه که علم البته در وجود خودش شاکله‌ای باورنکردنی از هوشمندی دسته‌جمعی را دارد. اما برخلاف دسته ماهی‌هایی که مطالعه می‌کنم، من احساس می‌کنم مسیر تکاملی طولانی‌تری برای رفتن داریم. بنابراین علاوه‌بر کار بر روی بهبود علم مشارکت ربات‌‌‌ها، من درباره ساخت ربات و قوانین آن کار می‌کنم که در آینده همکاری علمی خودمان را بهبود خواهد داد. چیزی که دوست دارم بگم اینه که: محقق علمی است که تعیین می‌کند علم به کجا برود.
جامعه‌ای را تصور کنید که در آن قوانین تعاملی داشته باشیم که هر بچه‌ای که بزرگ می‌شود باور داشته باشد که روزی می‌تواند در اینجا بایستد و محقق تکنولوژی آینده باشد، یا جایی که هر بزرگ سالی معتقد باشد که نه‌تنها می‌تواند بفهمد، بلکه توانایی تغییر این که چطور تکنولوژی هر روز بر زندگی‌شان تاثیر می‌گذارد را دارد. همچین جامعه‌ای به چی شبیه است؟ معتقدم می‌توانیم انجامش دهیم. معتقدم می‌توانیم قوانین خودمان را بسازیم، ما فقط ربات‌ها را مهندسی نمی‌کنیم بلکه مجموعه انسانی را نیز می‌توانیم مهندسی کنیم، و اگر بتوانم و زمانی انجامش بدهیم، جامعه زیبایی خواهیم داشت.
متشکرم. (تشویق)
In my early days as a graduate student, I went on a snorkeling trip off the coast of the Bahamas. I'd actually never swum in the ocean before, so it was a bit terrifying. What I remember the most is, as I put my head in the water and I was trying really hard to breathe through the snorkel, this huge group of striped yellow and black fish came straight at me ... and I just froze. And then, as if it had suddenly changed its mind, came towards me and then swerved to the right and went right around me. It was absolutely mesmerizing.
Maybe many of you have had this experience. Of course, there's the color and the beauty of it, but there was also just the sheer oneness of it, as if it wasn't hundreds of fish but a single entity with a single collective mind that was making decisions. When I look back, I think that experience really ended up determining what I've worked on for most of my career. I'm a computer scientist, and the field that I work in is artificial intelligence. And a key theme in AI is being able to understand intelligence by creating our own computational systems
that display intelligence the way we see it in nature. Now, most popular views of AI, of course, come from science fiction and the movies, and I'm personally a big Star Wars fan. But that tends to be a very human-centric view of intelligence. When you think of a fish school, or when I think of a flock of starlings, that feels like a really different kind of intelligence. For starters, any one fish is just so tiny compared to the sheer size of the collective, so it seems that any one individual would have a really limited and myopic view of what's going on, and intelligence isn't really about the individual
but somehow a property of the group itself. Secondly, and the thing that I still find most remarkable, is that we know that there are no leaders supervising this fish school. Instead, this incredible collective mind behavior is emerging purely from the interactions of one fish and another. Somehow, there are these interactions or rules of engagement between neighboring fish that make it all work out. So the question for AI then becomes, what are those rules of engagement that lead to this kind of intelligence, and of course, can we create our own? And that's the primary thing that I work on with my team in my lab.
We work on it through theory, looking at abstract rule systems and thinking about the mathematics behind it. We also do it through biology, working closely with experimentalists. But mostly, we do it through robotics, where we try to create our own collective systems that can do the kinds of things that we see in nature, or at least try to. One of our first robotic quests along this line was to create our very own colony of a thousand robots. So very simple robots, but they could be programmed to exhibit collective intelligence,
and that's what we were able to do. So this is what a single robot looks like. It's quite small, about the size of a quarter, and you can program how it moves, but it can also wirelessly communicate with other robots, and it can measure distances from them. And so now we can start to program exactly an interaction, a rule of engagement between neighbors. And once we have this system, we can start to program many different kinds of rules of engagement that you would see in nature. So for example, spontaneous synchronization,
how audiences are clapping and suddenly start all clapping together, the fireflies flashing together. We can program rules for pattern formation, how cells in a tissue determine what role they're going to take on and set the patterns of our bodies. We can program rules for migration, and in this way, we're really learning from nature's rules. But we can also take it a step further. We can actually take these rules that we've learned from nature and combine them and create entirely new collective behaviors of our very own.
So for example, imagine that you had two different kinds of rules. So your first rule is a motion rule where a moving robot can move around other stationary robots. And your second rule is a pattern rule where a robot takes on a color based on its two nearest neighbors. So if I start with a blob of robots in a little pattern seed, it turns out that these two rules are sufficient for the group to be able to self-assemble a simple line pattern. And if I have more complicated pattern rules, and I design error correction rules, we can actually create really, really complicated self assemblies,
and here's what that looks like. So here, you're going to see a thousand robots that are working together to self-assemble the letter K. The K is on its side. And the important thing is that no one is in charge. So any single robot is only talking to a small number of robots nearby it, and it's using its motion rule to move around the half-built structure just looking for a place to fit in based on its pattern rules. And even though no robot is doing anything perfectly, the rules are such that we can get the collective to do its goal robustly together. And the illusion becomes almost so perfect, you know --
you just start to not even notice that they're individual robots at all, and it becomes a single entity, kind of like the school of fish. So these are robots and rules in two dimensions, but we can also think about robots and rules in three dimensions. So what if we could create robots that could build together? And here, we can take inspiration from social insects. So if you think about mound-building termites or you think about army ants, they create incredible, complex nest structures out of mud and even out of their own bodies. And like the system I showed you before,
these insects actually also have pattern rules that help them determine what to build, but the pattern can be made out of other insects, or it could be made out of mud. And we can use that same idea to create rules for robots. So here, you're going to see some simulated robots. So the simulated robot has a motion rule, which is how it traverses through the structure, looking for a place to fit in, and it has pattern rules where it looks at groups of blocks to decide whether to place a block. And with the right motion rules and the right pattern rules,
we can actually get the robots to build whatever we want. And of course, everybody wants their own tower. (Laughter) So once we have these rules, we can start to create the robot bodies that go with these rules. So here, you see a robot that can climb over blocks, but it can also lift and move these blocks and it can start to edit the very structure that it's on. But with these rules, this is really only one kind of robot body that you could imagine. You could imagine many different kinds of robot bodies. So if you think about robots that maybe could move sandbags
and could help build levees, or we could think of robots that built out of soft materials and worked together to shore up a collapsed building -- so just the same kind of rules in different kinds of bodies. Or if, like my group, you are completely obsessed with army ants, then maybe one day we can make robots that can climb over literally anything including other members of their tribe, and self-assemble things out of their own bodies. Once you understand the rules, just many different kinds of robot visions become possible. And coming back to the snorkeling trip, we actually understand a great deal about the rules that fish schools use.
So if we can invent the bodies to go with that, then maybe there is a future where I and my group will get to snorkel with a fish school of our own creation. Each of these systems that I showed you brings us closer to having the mathematical and the conceptual tools to create our own versions of collective power, and this can enable many different kinds of future applications, whether you think about robots that build flood barriers or you think about robotic bee colonies that could pollinate crops or underwater schools of robots that monitor coral reefs, or if we reach for the stars and we thinking about programming
constellations of satellites. In each of these systems, being able to understand how to design the rules of engagement and being able to create good collective behavior becomes a key to realizing these visions. So, so far I've talked about rules for insects and for fish and for robots, but what about the rules that apply to our own human collective? And the last thought that I'd like to leave you with is that science is of course itself an incredible manifestation of collective intelligence, but unlike the beautiful fish schools that I study,
I feel we still have a much longer evolutionary path to walk. So in addition to working on improving the science of robot collectives, I also work on creating robots and thinking about rules that will improve our own scientific collective. There's this saying that I love: who does science determines what science gets done. Imagine a society where we had rules of engagement where every child grew up believing that they could stand here and be a technologist of the future, or where every adult believed that they had the ability not just to understand but to change
how science and technology impacts their everyday lives. What would that society look like? I believe that we can do that. I believe that we can choose our rules, and we engineer not just robots but we can engineer our own human collective, and if we do and when we do, it will be beautiful. Thank you. (Applause)