Kemampuan untuk menemukan jalan pendek, yang paling langsung dari titik "A" ke titik "B" tidak terlihat seperti ujian rasionalitas yang mengesankan saat ini. Namun, menurut sebuah laporan baru yang
diterbitkan dalam jurnal Nature beberapa waktu lalu, di mana para peneliti berbicara tentang sistem navigasi kecerdasan buatan mereka, kemampuan untuk menjelajahi ruang simulasi yang kompleks dan menemukan rute terpendek ke target menempatkan sistem seperti itu pada tingkat yang sama dengan manusia. dan hewan lainnya.
Kunci tak terduga untuk kinerja yang diinginkan adalah bahwa selama pelatihan, jaringan secara spontan menumbuhkan yang setara dengan "sel-sel jaringan" - satu set sel otak yang memungkinkan sejumlah mamalia melacak posisi mereka di ruang angkasa.
Bagi ahli neurobiologi, karya ini mungkin akan memberi tahu Anda tautan penghubung penting dalam memahami bagaimana neuron kisi di otak hidup memungkinkan Anda mengembangkan kemampuan navigasi. Pekerjaan ini juga menunjukkan bagaimana jaringan saraf dapat berdampak besar pada penelitian di masa depan. Neil Burgess, dari University College London, yang tidak berpartisipasi dalam penelitian ini, menyarankan bahwa sistem seperti itu harus "menyediakan lahan subur untuk memahami bagaimana dan mengapa otak bekerja dengan cara ini."
Sementara itu, bagi para peneliti di bidang kecerdasan buatan, kegunaan pekerjaan ini untuk meningkatkan sistem navigasi otomatis jelas. Tetapi ini dapat membuat kontribusi yang lebih besar pada prinsip-prinsip umum untuk memahami kecerdasan dan pengembangan sistem cerdas.
Menurut peneliti Andrea Banino dari DeepMind dan Caswell Barry dari University College London, yang merupakan penulis utama artikel di Nature, proyek ini berevolusi dari pertanyaan tentang fungsi neuron kisi yang mereka pelajari. Neuron kisi sering disebut "GPS otak" karena peran penting mereka dalam navigasi banyak hewan. Edward Moser dan May-Britt Moser menerima Hadiah Nobel pada tahun 2014, untuk penemuan mereka sembilan tahun sebelumnya. Kelompok-kelompok neuron ini, yang disusun dalam susunan heksagonal, secara total memberikan hasil yang mirip dengan sistem navigasi inersia kapal, pesawat terbang dan roket - mereka memberikan pemahaman tentang pergerakan tubuh di ruang angkasa bahkan dalam kegelapan total. "Secara relatif, mereka memperbarui ramalan Anda di mana Anda didasarkan pada bagaimana Anda bergerak," tambah Barry.
Untuk alasan ini, ahli saraf menghubungkan ke neuron kisi fungsi "integrasi jalur" - suatu bentuk navigasi intuitif bawah sadar yang tidak memperhitungkan sinyal eksternal: misalnya, "ambil lima langkah maju, putar 90 derajat ke kiri, dan lanjutkan 15 langkah lagi". Tetapi beberapa percobaan memberi petunjuk bahwa neuron-neuron ini juga melakukan fungsi lain, bahkan di luar navigasi. Sebagai contoh, beberapa percobaan telah menunjukkan keterlibatan jenis neuron ini dalam tugas-tugas seperti mengukur waktu dan jarak selama gerakan. Seperti yang dicatat Barry, jika neuron kisi menyediakan referensi spasial dari objek dan tempat, maka "pada prinsipnya, Anda dapat menggunakannya untuk menghitung rute langsung antara titik-titik ini," yaitu, apa yang pada dasarnya disebut "navigasi vektor."
Untuk mempelajari peran neuron ini dalam masalah navigasi, para peneliti memutuskan untuk menggunakan jaringan saraf yang sangat terlatih. Untuk memahami bagaimana pencarian jalur bekerja, mereka pertama kali menciptakan jaringan saraf untuk agen yang bergerak dalam ruang simulasi kecil. "Kami ingin memahami jika kami dapat membuat jaringan saraf sehingga itu sendiri mulai mengembangkan kesamaan neuron kisi," kata Barry.
Jaringan saraf melakukan pekerjaan itu, dan, menurut Barry, "sungguh luar biasa seberapa baik kerjanya." Dalam prosesnya, "unit-unit kisi" muncul secara spontan, yang sangat mirip dengan apa yang kita lihat dalam otak hewan, sampai ke format kisi heksagonal.
Gambar-gambar ini menunjukkan pemicu neuron hidup dan buatan. Modul kisi yang muncul secara spontan di jaringan saraf untuk tugas navigasi sangat mirip dengan neuron kisi di otak, hingga bentuk heksagonalnya.Para peneliti kemudian menambahkan kemampuan jaringan saraf ke sistem, yang membantu agen simulasi menemukan jalur yang tepat ke tujuan dalam labirin virtual. Sistem dengan modul kisi adalah urutan besarnya lebih unggul daripada sistem serupa tanpa mereka. Misalnya, sistem dapat memahami jika bagian yang sebelumnya ditutup memberikan jalan yang lebih pendek ke target dan memilihnya. Menurut Banino, keterampilan ini menunjukkan bahwa modul kisi di jaringan saraf menyediakan navigasi vektor karena mereka menemukan jalur yang lebih pendek dan lebih langsung berdasarkan posisi target.
"Saya pikir berkat pekerjaan ini, kami dapat membuktikan bagaimana neuron kisi digunakan untuk membuat pencarian jalur terpendek," kata Banino. Dengan demikian, hasil mengkonfirmasi teori bahwa neuron kisi di otak mampu melakukan tugas integrasi jalur dan tugas navigasi vektor. Bukti eksperimental yang sebanding dalam hal makhluk hidup akan menjadi urutan besarnya lebih sulit, tambahnya.
Dalam serangkaian percobaan labirin, semua jaringan saraf yang diuji mampu mencapai tujuan. Tetapi jika salah satu hambatan dihilangkan, maka hanya jaringan dengan neuron kisi yang mengenali ini dan memilih jalur ini sebagai yang paling disukai. Sistem lain terus memilih rute mana saja yang tersedia."Temuan yang menarik adalah bahwa pendekatan yang sama dapat digunakan untuk tugas-tugas ilmu saraf lainnya," kata Barry. Sebagai contoh, peneliti merenungkan tugas pengendalian anggota tubuh. Jaringan saraf dapat dilatih untuk mengendalikan lengan robot, seperti otak mengendalikan lengan hidup, dan kemudian melakukan serangkaian percobaan yang dapat memberikan petunjuk penting tentang bagaimana proses ini terjadi dalam sistem kehidupan. "Pendekatan ini berpotensi menjadi alat universal di bidang ilmu saraf."
"Ini adalah hasil yang sangat mengesankan," diringkas Stefan Loytgeb, profesor ilmu saraf di University of California, San Diego. “Saya pikir mereka menemukan argumen yang sangat baik dalam mendukung fakta bahwa navigasi vektor adalah fungsi dari neuron kisi. Untuk waktu yang lama ini hanya asumsi, tapi saya pikir mereka sedekat mungkin dengan solusi dari mekanisme yang mungkin. ”
Pada saat yang sama, ia mencatat bahwa: “Setiap pendekatan komputasi memiliki keterbatasannya. Dan fakta bahwa itu dapat bekerja pada suatu model tidak berarti bahwa ia bekerja pada organisme hidup dengan cara ini. "
Francesco Savelli, ahli saraf di Johns Hopkins University, yang ikut menulis komentar yang menyertai artikel tersebut, memiliki pandangan yang sama. Dia menganggap itu sangat menarik bahwa "Anda entah bagaimana mendapatkan neuron kisi tanpa memprogramnya secara langsung, tetapi mereka tetap muncul sebagai organisasi mandiri." Tetapi pada saat yang sama, "karena ini bukan sistem biologis yang tepat, Anda tidak dapat sepenuhnya yakin kesimpulan yang diberikannya."
"Meskipun Anda tidak dapat melihat ke dalam kotak hitam ini dan membuat jaringan sedikit lebih seperti yang biologis, pada titik tertentu Anda akan mengalami batas mengenai penelitian neurobiologis," katanya.
Di sisi lain, itu mendorong dari sudut pandang teknis bahwa "sistem pembelajaran yang mendalam ini dapat memecahkan masalah yang lebih dan lebih mirip dengan fungsi kognitif otak yang lebih tinggi," tambah Savelli. "Ini adalah demonstrasi yang bagus bahwa pembelajaran mendalam dapat diperluas ke tugas-tugas seperti fungsi kognitif yang lebih tinggi."
Dapat diasumsikan bahwa para peneliti DeepMind akan berusaha menggunakan jaringan navigasi ini untuk meningkatkan, katakanlah, kemampuan robot riset atau drone masa depan. Namun menurut Banino, rencana mereka kurang fokus dan lebih ambisius. "Kami percaya bahwa navigasi adalah salah satu sifat dasar kecerdasan," katanya. "Secara pribadi, kami tidak memikirkan aplikasi apa pun selain membuat algoritma universal."
"Otak adalah satu-satunya contoh algoritma universal," tambahnya. "Jadi, mengapa tidak belajar darinya?"