Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone
Diese Arbeit präsentiert eine Proof-of-Concept-Demonstration von „morphologischer Kognition“, die zeigt, dass ein aus simulierten Voxeln mit festen Verhaltensweisen konstruierter Roboter MNIST-Ziffern klassifizieren (speziell das Unterscheiden von 0 und 1) und entsprechend bewegen kann, ohne jegliche neuronale Schaltkreise zu verwenden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine Welt vor, in der das Denken nicht etwas ist, das in einem Gehirn stattfindet, sondern etwas, das dadurch geschieht, wie der Körper gebaut ist. Jahrzehntelang waren Wissenschaftler von der Idee besessen, dass Intelligenz wie eine Software ist: ein komplexes Programm, das auf der Hardware eines Gehirns oder eines Computerchips läuft. Dies ist die „gehirnzentrierte“ Sichtweise, bei der der Körper nur ein passiver Roboterarm ist, der auf Anweisungen wartet. Doch die Natur erzählt eine andere Geschichte. Denken Sie an eine Pflanze, die sich zur Sonne dreht, oder einen Schleimpilz, der den kürzesten Weg durch ein Labyrinth findet; diese Kreaturen besitzen keine Gehirne und lösen dennoch Probleme. Dieses Forschungsfeld, genannt „Embodied Cognition“ (verkörperte Kognition), legt nahe, dass die Form und das Material eines Organismus tatsächlich das Denken für ihn übernehmen können. Die große Frage lautet: Können wir eine Maschine bauen, die allein dadurch denkt, dass sie auf eine bestimmte Weise geformt ist, ohne dass auch nur eine einzige Zeile Code oder ein neuronales Netzwerk ihr sagen muss, was sie tun soll?
Diese Arbeit nimmt diese wilde Idee und stellt sie in einem digitalen Experiment auf die Probe. Die Forscher versuchten in einer simulierten 2D-Welt, „Soft-Roboter“ zu entwickeln, die aus winzigen Blöcken namens Voxeln bestehen, um eine klassische Gehirn-Aufgabe zu bewältigen: das Erkennen von Zahlen. Speziell wollten diese Roboter Bilder der Ziffern „0“ und „1“ aus einem berühmten Datensatz namens MNIST erkennen und unterschiedlich darauf reagieren. Konkret sollten die Roboter sich nach links bewegen, wenn sie eine Null sahen, und nach rechts, wenn sie eine Eins sahen. Der Haken dabei? Diese Roboter haben keine Gehirne, keine Steuerungen und keine neuronalen Schaltkreise. Sie sind lediglich Ansammlungen einfacher, fester Teile, die wackeln und ihre Form verändern.
Das Team nutzte einen evolutionären Algorithmus, einen Prozess, der die natürliche Selektion nachahmt, um diese Roboter zu entwerfen. Sie begannen mit einer digitalen „Suppe“ aus verschiedenen Arten von Voxeln: Einige waren bloßer Strukturkleber (passiv), einige waren wie winzige Muskeln, die sich von selbst ausdehnten und zusammenzogen (aktiv), und einige waren spezielle „Sensor“-Blöcke, die ihre Größe basierend auf der Helligkeit des Pixels änderten, den sie betrachteten. Über 30.000 Generationen hinweg mischte der Computer diese Blöcke zufällig zusammen und behielt die Designs, die sich in die richtige Richtung bewegten, während er jene verworf, die es nicht taten.
Das Ergebnis war eine Überraschung. Der Evolutionsprozess entdeckte Roboter, die tatsächlich in der Lage waren, zwischen einer Null und einer Eins zu unterscheiden – rein durch die Physik ihres Körpers. Wenn ein „Null“-Bild gezeigt wurde, schrumpften oder dehnten sich die Sensorblöcke in einem spezifischen Muster aus, was die Muskelblöcke dazu veranlasste, den Körper des Roboters nach links zu ziehen. Wenn eine „Eins“ erschien, änderte sich das Muster und die Muskeln drückten den Roboter nach rechts. Das „Denken“ fand nicht in einem Prozessor statt; es geschah in der Art und Weise, wie der Körper des Roboters physisch auf das Licht reagierte. Die Form des Roboters war der Klassifikator.
Die Forscher hörten nicht bei nur zwei Zahlen auf. Sie trieben die Simulation weiter voran und fragten die Roboter, zwischen vier verschiedenen Ziffern (0, 1, 2 und 3) zu unterscheiden. Selbst ohne Gehirn fand die Evolution Wege, diese Zahlen zu gruppieren, sodass die Roboter für einige nach links und für andere nach rechts bewegten. Um zu sehen, wie intelligent diese körperbasierten Roboter wirklich waren, verglich das Team sie mit einfachen Computerprogrammen (neuronalen Netzen), die auf exakt denselben Einzelbeispielen trainiert worden waren. In vielen Fällen generalisierten die physischen Roboter besser als die Computerprogramme und identifizierten neue, unbekannte Zahlen häufiger korrekt als die digitalen Gehirne.
Die Arbeit legt nahe, dass diese „morphologische Kognition“ – bei der der Körper selbst die kognitive Arbeit leistet – eine leistungsstarke, unternutzte Quelle der Intelligenz ist. Sie beweist, dass hochgradig komplexe Aufgaben wie die Bildklassifizierung nicht zwingend ein Gehirn erfordern; sie können aus dem Zusammenspiel einfacher, fester Verhaltensweisen von Teilen entstehen. Obwohl diese Ergebnisse derzeit auf Simulationen und spezifische, einfache Aufgaben beschränkt sind, bietet die Studie einen spielerischen Beweis der Machbarkeit: Manchmal ist der beste Weg, ein Problem zu lösen, nicht der Bau eines klügeren Gehirns, sondern der Bau eines Körpers, der weiß, was zu tun ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.