Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone
Dit artikel presenteert een proof-of-concept demonstratie van "morfologische cognitie", waarbij wordt aangetoond dat een robot opgebouwd uit gesimuleerde voxels met vaste gedragingen MNIST-cijfers kan classificeren (specifiek het onderscheiden van 0'en van 1'en) en dienovereenkomstig kan bewegen zonder gebruik te maken van enige neurale circuits.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een wereld voor waarin denken niet iets is dat binnenin een brein plaatsvindt, maar iets dat gebeurt door de manier waarop je lichaam is gebouwd. Decennialang waren wetenschappers geobsedeerd door het idee dat intelligentie als software is: een complex programma dat draait op de hardware van een brein of een computerchip. Dit is het "brein-centrische" wereldbeeld, waarbij het lichaam slechts een passieve robotarm is die wacht op instructies. Maar de natuur vertelt een ander verhaal. Denk aan een plant die naar de zon draait of een slijmzwam die de kortste weg door een doolhof vindt; deze wezens hebben geen hersenen, en toch lossen ze problemen op. Dit vakgebied, genaamd "belichaamde cognitie" (embodied cognition), suggereert dat de vorm en het materiaal van een organisme daadwerkelijk het denken voor het kan doen. De grote vraag is: kunnen we een machine bouwen die denkt puur door op een bepaalde manier gevormd te zijn, zonder dat er een enkele regel code of een neuraal netwerk nodig is om het te vertellen wat het moet doen?
Dit artikel neemt dat wilde idee en test het met een digitaal experiment. De onderzoekers probeerden, werkend in een gesimuleerde 2D-wereld, "zachte robots" te laten evolueren die gemaakt zijn van kleine blokjes die "voxels" worden genoemd, om een klassieke hersentaak uit te voeren: het herkennen van getallen. Specifiek wilden ze dat deze robots afbeeldingen van de cijfers "0" en "1" uit een beroemde dataset genaamd MNIST bekijken en er verschillend op reageren. Als de robot een nul zag, moest hij naar links bewegen; als hij een één zag, moest hij naar rechts bewegen. De crux? Deze robots hebben geen hersenen, geen controllers en geen neurale circuits. Het zijn slechts verzamelingen van eenvoudige, vaste onderdelen die wiebelen en van vorm veranderen.
Het team gebruikte een evolutionair algoritme, een proces dat natuurlijke selectie nabootst, om deze robots te ontwerpen. Ze begonnen met een digitale "soep" van verschillende soorten voxels: sommige waren slechts structurele lijm (passief), sommige waren als kleine spieren die uit zichzelf uitzetten en samentrekken (actief), en sommige waren speciale "sensor"-blokken die van grootte veranderden op basis van de helderheid van de pixel waar ze naar keken. Over 30.000 generaties heen mengde en combineerde de computer deze blokjes willekeurig, waarbij de ontwerpen die in de juiste richting bewogen behield en de ontwerpen die dat niet deden, weggooide.
De resultaten waren een verrassing. Het evolutieproces ontdekte robots die inderdaad het verschil konden zien tussen een nul en een één, puur door de fysica van hun lichamen. Wanneer een afbeelding van een "nul" werd getoond, krompen of expandeerden de sensorblokken in een specifiek patroon, wat de spierblokken ertoe aanzette om het lichaam van de robot naar links te trekken. Wanneer een "één" verscheen, veranderde het patroon en duwden de spieren de robot naar rechts. Het "denken" vond niet plaats in een processor; het vond plaats in de manier waarop het lichaam van de robot fysiek reageerde op het licht. De vorm van de robot was de classifier.
De onderzoekers stopten niet bij slechts twee getallen. Ze duwden de simulatie verder door de robots te vragen om vier verschillende cijfers (0, 1, 2 en 3) van elkaar te onderscheiden. Zelfs zonder brein vonden de robots manieren om deze getallen te groeperen, waardoor de robots voor sommige naar links en voor anderen naar rechts bewogen. Om te zien hoe slim deze lichaams-alleen robots werkelijk waren, vergeleken het team ze met eenvoudige computerprogramma's (neurale netwerken) die op exact dezelfde enkelvoudige voorbeelden waren getraind. In veel gevallen generaliseerden de fysieke robots beter dan de computerprogramma's, waarbij ze nieuwe, ongeziene getallen vaker correct identificeerden dan de digitale breinen dat deden.
Het artikel suggereert dat deze "morfologische cognitie" — waarbij het lichaam zelf het cognitieve werk uitvoert — een krachtige, onderbenutte bron van intelligentie is. Het bewijst dat taken op hoog niveau zoals beeldclassificatie niet strikt een brein vereisen; ze kunnen voortkomen uit de eenvoudige, vaste gedragingen van samenwerkende onderdelen. Hoewel deze resultaten momenteel beperkt zijn tot simulaties en specifieke, eenvoudige taken, biedt de studie een speelse bewijs van het concept: soms is de beste manier om een probleem op te lossen niet het bouwen van een slimmer brein, maar het bouwen van een lichaam dat weet wat het moet doen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.