[论文解读] Toward Next-Generation Artificial Intelligence: Catalyzing the NeuroAI Revolution

Anthony M. Zador, G. Sean Escola+25 more|arXiv (Cornell University)|Oct 15, 2022

Reinforcement Learning in Robotics被引用 33

一句话总结

论文主张投资 NeuroAI 并引入具身图灵测试，以利用跨动物共享的感知运动能力来引导 AI 发展。它提出一个能够像生物体一样与现实世界互动的 AI 路线图。

ABSTRACT

Neuroscience has long been an essential driver of progress in artificial intelligence (AI). We propose that to accelerate progress in AI, we must invest in fundamental research in NeuroAI. A core component of this is the embodied Turing test, which challenges AI animal models to interact with the sensorimotor world at skill levels akin to their living counterparts. The embodied Turing test shifts the focus from those capabilities like game playing and language that are especially well-developed or uniquely human to those capabilities, inherited from over 500 million years of evolution, that are shared with all animals. Building models that can pass the embodied Turing test will provide a roadmap for the next generation of AI.

研究动机与目标

• 推动对基础 NeuroAI 研究的投资，以加速 AI 进展。
• 将关注点从以人类为中心或游戏玩法能力转向进化上共享的感知运动技能。
• 将具身图灵测试定义为推动下一代 AI 发展的新基准。

提出的方法

• 提出具身图灵测试作为 AI 评估的核心框架。
• 主张构建以动物般技能水平与具感世界互动的 AI 模型。
• 概述一个路线图，使通过具身图灵测试成为指导模型开发与评估的依据。

实验结果

研究问题

• RQ1 AI 应掌握的跨动物共享的核心感知运动能力有哪些？
• RQ2 如何定义并使具身图灵测试在现实世界交互中对 AI 进行评估？
• RQ3 为了开发通过具身图灵测试的 AI 系统，需要哪些步骤和研究方向？
• RQ4 神经 AI 研究如何最好地促进通用 AI 能力的进步？

主要发现

• 作者倡导投资 NeuroAI 以加速 AI 进展。
• 他们把具身图灵测试引入为一个框架，聚焦于进化上继承的能力，而非人类独有的任务。
• 论文认为通过具身图灵测试将为开发下一代 AI 提供路线图。
• 它强调现实世界的感知运动交互作为 AI 研究与评估的核心方向。
• 该工作强调基础神经科学对促进 AI 进步的重要性。