[논문 리뷰] Self-Organizing Intelligent Matter: A blueprint for an AI generating algorithm

Karol Gregor, Frederic Besse|arXiv (Cornell University)|2021. 01. 19.

Origins and Evolution of Life참고 문헌 42인용 수 5

한 줄 요약

이 논문은 물리 법칙과 정보 교환을 통해 상호작용하는 단순한 신경망을 갖춘 요소들 사이에서 지능을 갖춘 생물체가 자율적으로 조직되는 인공 생명 프레임워크를 제안한다. 목적은 사전에 정의된 목표가 없이, 유전자 전파를 통해 환경 적응에 성공한 경우에만 생존 및 확산이 이루어지는 방식이다. 이 시스템은 생태적 서식지 형성에 의해 다양한 자생적 종들이 공존하는 것을 보여주며, 일반적인 AI 생성 알고리즘을 위한 확장 가능한 청사진을 제시한다.

ABSTRACT

We propose an artificial life framework aimed at facilitating the emergence of intelligent organisms. In this framework there is no explicit notion of an agent: instead there is an environment made of atomic elements. These elements contain neural operations and interact through exchanges of information and through physics-like rules contained in the environment. We discuss how an evolutionary process can lead to the emergence of different organisms made of many such atomic elements which can coexist and thrive in the environment. We discuss how this forms the basis of a general AI generating algorithm. We provide a simplified implementation of such system and discuss what advances need to be made to scale it up further.

연구 동기 및 목표

• 자기 주도적인 진화 과정을 통해 작동하는 일반 목적의 AI 생성 알고리즘을 개발하는 것.
• 사전에 정의된 최적화 목표 없이도 다양한 지능적 생물체가 공존하는 지속 가능한 지능의 개발을 가능하게 하는 것.
• 신경망 요소들로 구성된 자율 조직 시스템이 상호작용과 환경 적응을 통해 복잡한 행동을 어떻게 진화시킬 수 있는지 탐구하는 것.
• 지속적인 다양성과 지능의 유도를 뒷받기하는 핵심 원칙들—예를 들어 선택보다 전파, 서식지 형성—을 규명하는 것.

제안 방법

• 시스템은 공유 환경 내에서 정보 교환과 물리 법칙에 가까운 규칙을 통해 상호작용하는 신경망을 내장한 원자적 요소들로 구성된다.
• 요소들은 전역적인 목표가 아니라, 성공적으로 자신의 내부 상태(예: 가중치)를 복제하거나 다른 요소로 전달함으로써 전파된다. 이는 생존과 확산을 가능하게 한다.
• 진화는 환경에서 안정적인 전파를 달성한 요소 조합의 변이와 선택을 통해 이루어진다.
• 환경는 에너지나 화학물질의 확산과 같은 동적 변화를 지원하여 서식지 형성과 여러 종의 공존을 가능하게 한다.
• 신경망 갱신 규칙는 일반적이고 진화 가능하도록 설계되어, 요소들이 시간이 지남에 따라 자신의 행동을 학습하고 향상시킬 수 있도록 한다.
• 진동, 안정적 공존과 같은 잠재적 행동을 유도하기 위해 에너지 격자, 화학 확산 등의 단순화된 구현 방식을 사용한다.

실험 결과

연구 질문

• RQ1 사전에 정의된 목표 없이, 성공적인 요소 조합의 전파만을 기반으로 지능이 유도될 수 있는가?
• RQ2 자율 조직 시스템 내에서 다양한 지능적 생물체들이 어떻게 공존하게 되고 지속될 수 있는가?
• RQ3 어떤 환경적 규칙과 상호작용 방식이 안정적인 서식지 형성과 여러 종의 장기적 공존을 가능하게 하는가?
• RQ4 에너지나 화학 기울기와 같은 최소한의 물리적 기반만으로도 진화를 통해 복잡한 지능적 행동이 나타날 수 있는가?
• RQ5 확장 가능한 개방형 지능의 유도를 위해 필요한 충분한 신경망 갱신 규칙은 무엇인가?

주요 결과

• 공유 환경에서 여러 종이 안정적으로 공존하는 것이 확인되었으며, 그림 2의 다양한 색의 점들은 공간 서식지 내에서 구분되는 지속 가능한 종을 나타낸다.
• 순수 에너지 시스템에서는 요소들이 수동적으로 에너지를 수집하는 방식을 학습하여, 가중치를 다른 요소로 복제함으로써 전파할 수 있었으며, 명시적인 생존 규칙이 없더라도 성공적으로 확산되었다.
• 빠른 화학 확산과 진화가 없는 작은 시스템에서는 룩타-볼테라 모델과 유사한 진동적 인구 역학이 나타났으며, 포식자-피식자 유사 사이클이 관찰되었다.
• 요소들은 환경를 수정함(예: 화학 농도 조절)으로써 유리한 서식지를 만들었으며, 이로 인해 공간의 일부 영역에서 여러 종이 공존할 수 있었다.
• 에너지나 생존을 위한 명시적 선택이 없음에도 불구하고, 요소들은 전파 성공률을 높이는 데 기여하는 에너지 수집 행동을 자발적으로 개발하였다.
• 이 프레임워크는 새로운 '신체'(기능적 물리적 구조)와 새로운 '뇌'(향상된 알고리즘)의 유도를 가능하게 하여, 자기 반복적 개선을 시사한다.