Grounded world models in biological organisms and future embodied AI

Der große Gehirn-Bauer: Warum Roboter fühlen müssen, bevor sie sprechen

Stellen Sie sich vor, Sie versuchen, einem superintelligenten Roboter beizubringen, die Welt zu verstehen. Sie haben zwei Hauptwege, dies zu tun. Der erste Weg ist so, als würde man dem Roboter eine Milliarde Bücher und eine Million Videos überreichen und dann sagen: „Lies alles, merke dir die Muster und rate, was als Nächstes kommt.“ So funktioniert der Großteil der heutigen bekanntesten künstlichen Intelligenz. Es ist wie ein Schüler, der jedes Wörterbuch gelesen hat, aber noch nie einen Apfel in der Hand gehalten, sein Gewicht gespürt oder seine Süße geschmeckt hat. Er kennt die Wörter für „Apfel“, „schwer“ und „knackig“, aber er weiß nicht wirklich, was ein Apfel ist.

Der zweite Weg ist so, wie Lebewesen – wie Sie, ich oder sogar ein winziger Wurm – lernen. Wir beginnen nicht mit dem Lesen eines Handbuchs. Wir beginnen damit, uns zu bewegen, gegen Dinge zu stoßen, Hunger zu spüren und herauszufinden, was passiert, wenn wir einen Ball drücken oder eine Schnur ziehen. Unsere Gehirne bauen eine Karte der Welt basierend auf diesen realen Erfahrungen auf. Erst später lernen wir, diese Erfahrungen mit Bezeichnungen (Wörtern) zu versehen. In diesem Papier geht es um den Unterschied zwischen diesen beiden Ansätzen. Es stellt eine große Frage: Wenn wir Roboter bauen wollen, die uns wirklich verstehen und in unserer chaotischen, physischen Welt navigieren können, sollten wir sie weiter mit Büchern vollstopfen oder sollten wir sie ausziehen lassen, um zu spielen? Die Autoren schlagen vor, dass die Methode „Erst spielen, dann sprechen“ das Geheimrezept sein könnte, das den heutigen Robotern fehlt.

---

Die große Idee des Papers: Vom „passiven Leser“ zum „aktiven Entdecker“

Dieses Papier, geschrieben von einem Team von Wissenschaftlern aus Italien und Kanada, argumenttiert, dass die Art und Weise, wie wir derzeit Künstliche Intelligenz (KI) bauen, im Vergleich dazu, wie die Natur uns gebaut hat, verkehrt herum ist.

Im Moment ist der heißeste Trend in der KI die „Generative KI“. Dies sind Systeme, die lernen, indem sie riesige Mengen an Text lesen und Videos ansehen. Sie sind unglaublich gut darin, das nächste Wort in einem Satz oder den nächsten Frame in einem Video vorherzusagen. Das Papier nennt dies ein „passives Trainingsregime“. Stellen Sie sich einen Schüler vor, der auf einem Stuhl sitzt, auf einen Bildschirm starrt und tausend Videos von Menschen sieht, die Bälle fangen, aber selbst nie einen Ball geworfen oder gefangen hat. Er mag die Statistiken darüber lernen, wie sich Bälle bewegen, aber er hat nicht das Gefühl dafür gelernt, wie der Ball die Hand trifft. Die Autoren weisen darauf hin, dass in diesen Systemen die Sprache (Wörter) das Fundament bildet. Die KI lernt zuerst die Regeln der Sprache und versucht dann erst später, Bilder und Handlungen an diese Wörter zu heften.

Das Papier schlägt vor, dass biologische Organismen (wie Menschen, Hunde und sogar Würmer) genau das Gegenteil tun. Wir bauen zuerst „geerdete Weltmodelle“ auf. Das ist eine schicke Art zu sagen, dass unsere Gehirne eine mentale Karte davon erstellen, wie die Welt funktioniert, basierend darauf, wie unser eigener Körper sich durch sie bewegt. Wir lernen, dass Feuer heiß ist, weil wir die Hitze spüren, nicht weil uns jemand gesagt hat: „Feuer ist heiß“. Erst nachdem wir dieses physische, geerdete Verständnis haben, legen wir die Sprache darüber. Für uns sind Wörter nur Etiketten für Dinge, die wir bereits durch Erfahrung kennen.

Fünf Wege, wie unsere Gehirne bessere Karten bauen

Um ihren Punkt zu beweisen, betrachten die Autoren fünf spezifische „Schaltkreise“ oder Teile des Gehirns, die Lebewesen helfen, diese geerdeten Karten aufzubauen. Sie nutzen diese Beispiele, um zu zeigen, was heutigen Robotern fehlt.

1. Das GPS und die Konzeptkarte
Denken Sie daran, wie Sie durch Ihre Stadt navigieren. Sie biegen nicht einfach links ab, wenn Sie ein rotes Schild sehen; Sie haben eine mentale Karte. Ihr Gehirn hat ein spezielles System (im Hippocampus und der entorhinalen Rinde), das wie ein GPS funktioniert. Es verwendet „Gitterzellen“, die in einem hexagonalen Muster, wie eine Honigwabe, feuern, um Ihnen zu helfen, genau zu wissen, wo Sie sich befinden.
Aber hier ist der coole Teil: Dieses gleiche GPS-System funktioniert nicht nur für physische Straßen. Das Papier erklärt, dass Ihr Gehirn dasselbe „Gitter“ nutzt, um durch Ideen zu navigieren. Wenn Sie über eine Geschichte nachdenken, oder zwei verschiedene Konzepte vergleichen oder sogar soziale Beziehungen analysen, „wandert“ Ihr Gehirn im Grunde durch eine mentale Karte. Das Papier legt nahe, dass die Fähigkeit, im physischen Raum zu navigieren, der biologischen Fähigkeit vorausging, und die Fähigkeit, durch abstrakte Ideen zu navigieren, darauf aufgebaut wurde. Die heutige KI versucht, abstrakte Ideen direkt aus Texten zu lernen und überspringt dabei den physischen „Wandertrakt“.

2. Der „Was kann ich tun?“-Detektor (Affordanzen)
Wenn Sie einen Stuhl betrachten, sehen Sie nicht nur „ein Holzobjekt mit vier Beinen“. Sie sehen „etwas, auf das ich mich setzen kann“. Wenn Sie eine Tasse sehen, sehen Sie „etwas, das ich greifen kann“. Das Papier nennt dies „Affordanzen“. Es ist eine direkte Verbindung zwischen dem, was man sieht, und dem, was man damit tun kann.
Ihr Gehirn führt ständig einen Wettbewerb aus: „Kann ich auf diesen Felsen klettern? Kann ich diesen Apfel greifen?“ Es beschreibt die Welt nicht nur; es berechnet Handlungsmöglichkeiten. Das Papier argumentt, dass ein Roboter, um einen Satz wie „Pass auf, diese Tasse ist zerbrechlich“ wirklich zu verstehen, ein geerdetes Modell davon braucht, wie sich „zerbrechlich“ anfühlt, wenn man sie hält. Er muss wissen, dass die Tasse zerbricht, wenn man zu fest drückt. Die heutige KI kennt das Wort „zerbrechlich“, aber sie besitzt vielleicht nicht das interne „Muskelgedächtnis“, um das Risiko zu verstehen.

3. Die Neugier-Maschine
Haben Sie jemals diesen Drang verspürt, etwas Neues zu erforschen, einfach weil es interessant ist? Das ist nicht nur eine menschliche Eigenart; das ist ein biologischer Antrieb. Das Papier spricht davon, wie unsere Gehirne ein „Meta-Modell“ besitzen, das verfolgt, wie viel wir nicht wissen. Wenn wir neugierig sind, schüttet unser Gehirn Chemikalien (wie Norepinephrin) aus, die uns wachsamer und lernbereiter machen.
Dies unterscheidet sich von einem Roboter, der einfach nur darauf wartet, dass ihm ein Lehrer einen neuen Datensatz gibt. Biologische Agenten sind „intrinsisch motiviert“. Sie suchen nach neuen Erfahrungen, um die Lücken in ihren eigenen mentalen Karten zu schließen. Das Papier schlägt vor, dass eine KI, um effektiv zu lernen, nicht nur auf Daten warten sollte, sondern einen internen Antrieb haben sollte, nach den Dingen zu suchen, die sie noch nicht versteht.

4. Das Alarmsystem des Körpers (Allostase)
Ihr Gehirn denkt nicht nur über die Außenwelt nach; es überwacht ständig auch Ihre Innenwelt. Es verfolgt Ihren Hunger, Durst, Ihre Temperatur und Ihr Energieniveau. Dies wird als „allostatische Kontrolle“ bezeichnet.
Stellen Sie sich Ihr Gehirn wie einen Thermostaten vor, der nicht nur auf die Kälte reagiert, sondern vorhersagt, dass Ihnen kalt werden wird, und Ihnen sagt, dass Sie eine Jacke anziehen sollen, noch bevor Sie frösteln. Dieses System schafft ein Gefühl von „Selbst“. Es sagt Ihnen, was gut für Sie ist (Essen) und was schlecht ist (Schmerz). Das Papier argumentiert, dass dieses interne Gefühl von „Ich brauche das“ oder „Ich will das“ die Grundlage aller Motivation ist. Aktuelle KI-Systeme haben meist Ziele, die Menschen ihnen vorgeben (wie „gewinne dieses Spiel“). Sie haben keinen eigenen internen „Hunger“ oder „Angst“, der sie zum Handeln treibt.

5. Der „Habe ich das getan?“-Filter
Wenn Sie mit dem Finger wackeln, weiß Ihr Gehirn genau, wie das aussehen wird. Es sendet eine Kopie des „Bewegungs“-Befehls an Ihre Augen, damit diese die durch Sie verursachte Bewegung ausgleichen können. Dies hilft Ihnen, Ihre eigenen Bewegungen zu ignorieren und sich auf Dinge zu konzentrieren, die sich von selbst bewegen (wie ein vorbeifliegender Vogel).
So wissen wir den Unterschied zwischen „mir“ und „der Welt“. Wenn Sie an Ihrer Nase rühren, wissen Sie, dass Sie es selbst getan haben. Wenn jemand anderes an Ihre Nase fasst, ist das eine Überraschung. Das Papier erklärt, dass die Fähigkeit, zwischen selbst erzeugten Handlungen und externen Ereignissen zu unterscheiden, entscheidend ist, um Ursache und Wirkung zu verstehen. Oh dies fehlt, versteht ein Roboter vielleicht nicht, dass er derjenige ist, der die Tasse zerbricht, oder dass er derjenige ist, der das Geräusch verursacht hat.

Was dies für die Zukunft bedeutet

Die Autoren sind vorsichtig damit, die aktuelle KI als „kaputt“ oder die Biologie als „perfekt“ darzustellen. Sie geben zu, dass die Methode des „passiven Lesens“ für Dinge wie Schreiben und Chatten unglaublich erfolgreich war. Sie schlagen jedoch vor, dass wir unseren Ansatz ändern müssen, wenn wir wollen, dass Roboter die physische Welt wirklich verstehen, natürlich mit Menschen interagieren und selbstständig lernen können.

Sie schlagen vor, dass zukünftige KI eher wie ein biologischer Organismus aufgebaut sein sollte:

• Beginnen Sie mit dem Körper: Lassen Sie die KI zuerst durch Bewegung und Interaktion lernen, nicht nur durch das Lesen von Texten.
• Bauen Sie die Karte von Grund auf auf: Lassen Sie die KI ein physisches Verständnis von Objekten und Raum entwickeln, bevor Sie versuchen, ihr komplexe Sprache beizubringen.
• Fügen Sie ein Gefühl des Selbst hinzu: Geben Sie der KI interne Antriebe (wie Neugier oder das Bedürfnis, das Gleichgewicht zu halten), damit sie aktiv und nicht nur passiv lernt.
• Lernen Sie sozial: Genau wie Menschen durch die Interaktion mit anderen lernen, muss die KI der Zukunft vielleicht lernen, indem sie mit Menschen und anderen Agenten Zeit verbringt und so ein „gemeinsames“ Verständnis der Welt aufbaut.

Das Papier schließt mit dem Hinweis, dass wir zwar nicht genau wissen, welche Teile der Biologie essenziell und welche lediglich glückliche Zufälle der Evolution sind, aber die Art und Weise, wie Lebewesen lernen, zu ignorieren, ein großes Risiko darstellt. Wenn wir eine KI wollen, die wirklich in unserer Welt navigieren kann, müssen wir aufhören, sie wie eine Bibliothek zu behandnehmen, und anfangen, sie wie einen neugierigen Entdecker zu behandeln.