생물학적 유기체에서의 기반 세계 모델과 미래의 체화된 AI

초록

생성형 및 체화된 AI의 최근 발전은 다중 양식 데이터에 대한 대규모 예측 학습에 의해 주도되어 왔다. 그러나 그 결과로 나타난 시스템은 여전히 주로 수동적 훈련 방식에 기반하고 있으며, 이때 언어적 규칙성이 다른 양식의 정보가 부착되는 비계를 생성한다. 반대로, 신경과학과 인지과학은 생물학적 지능이 반대 방식으로 조직된다고 제안하는데, 환경과의 상호작용을 통해 획득된 토대를 둔 세계 모델이 언어가 부착되는 의미적 비계를 제공한다는 것이다. 여기에서는 토대를 둔 세계 모델링을 지원하는 신경 회로의 다섯 가지 예를 제시한다. 이는 물리적 및 개념적 공간에서의 탐색, 어포던스 기반 지각 및 객체와의 상호작용, 능동적 지각과 탐색적 학습, 알로스타시스 제어와 감정, 그리고 자기 생성 결과와 세계 생성 결과의 구분을 뒷받침한다. 이러한 예들은 현재의 체화된 AI에서 크게 결여된 몇 가지 특징을 강조한다. 여기에는 학습의 기초로서 내재적 동역학의 역할, 이러한 동역학을 외부 세계와 정렬하는 데 있어 행동의 중심성, 외부에서 제공된 데이터의 수동적 동화보다 자율적 경험과 개방형 학습의 중요성, 그리고 초기 예측 및 제어 메커니즘이 추론, 개념적 탐색, 계획, 상상, 타인의 마음 이해, 의사소통과 같은 고차 인지 능력을 비계하는 사실이 포함된다. 마지막으로, 생물학적 시스템에서 도출된 원리가 미래의 체화된 AI에 정보를 제공할 수 있는지 여부와 그 방법에 대해 논의한다. 여기에는 사회적 상호작용에 기반한 훈련 방식을 통해 토대를 둘 뿐만 아니라 사회적으로 공유되고 인간의 규범과 가치에 부합하는 세계 모델을 구축하는 것이 포함된다.

English

Recent advances in generative and embodied AI have been driven by large-scale predictive learning over multimodal data. However, the resulting systems remain largely based on passive training regimes where linguistic regularities create the scaffold onto which information from other modalities is attached. Conversely, neuroscience and cognitive science suggest that biological intelligence is organized in the opposite way, where grounded world models acquired through interaction with the environment provide the semantic scaffold to which language is attached. Here, we illustrate five examples of neural circuits supporting grounded world modelling, which underlie navigation in physical and conceptual spaces, affordance-based perception and interaction with objects, active perception and exploratory learning, allostatic control and emotion, and the distinction between self- and world-generated outcomes. These examples highlight several features largely missing from current embodied AI, including the role of intrinsic dynamics as a foundation for learning, the centrality of action in aligning these dynamics with the external world, the prominence of autonomous experience and open-ended learning over passive assimilation of externally provided data, and the fact that early predictive and control mechanisms scaffold higher cognitive abilities such as reasoning, conceptual navigation, planning, imagination, understanding others' minds, and communication. Finally, we discuss whether and how principles derived from biological systems may inform future embodied AI, including training regimes based on social interaction to construct world models that are not only grounded but also socially shared and aligned with human norms and values.

생물학적 유기체에서의 기반 세계 모델과 미래의 체화된 AI

Grounded world models in biological organisms and future embodied AI

초록

Support