Εισαγωγή

Ξεκινώντας

Αυτό το εγχειρίδιο εξηγεί ό,τι εμφανίζεται στην οθόνη του προγράμματος CityLab Evo  με όλα τα θέματα Τεχνητής Νοημοσύνης (ΤΝ) που προσομοιώνει.
Στόχος είναι το πρόγραμμα να μη λειτουργεί ως «μαύρο κουτί»: όποιος το χρησιμοποιεί να μπορεί να πει τι βλέπει, τι κάνει, γιατί το κάνει και πώς ακριβώς υπολογίζεται. Ά, και να διασκεδάζει!

Απευθύνεται σε εκπαιδευτικούς και μαθητές, δεν προϋποθέτει προγραμματισμό ούτε προχωρημένα μαθηματικά, αλλά δεν κρύβει τους τύπους.

Με μία ματιά

- Το CityLab Evo είναι μια διαδραστική προσομοίωση εξελικτικής τεχνητής νοημοσύνης.
- Μαθαίνεις τι ακριβώς σημαίνει "μια AI εκπαιδεύεται" βλέποντάς το να συμβαίνει μπροστά σου.
- Δεκάδες (... και εκατοντάδες) αυτοκινητάκια προσπαθούν να οδηγήσουν σε μια πίστα που σχεδιάζεις εσύ ο ίδιος.
- Στην αρχή αποτυγχάνουν όλα, αλλά γενιά με τη γενιά, οι καλύτεροι "οδηγοί" επιβιώνουν και μεταδίδουν τα χαρακτηριστικά τους με μικρές αλλαγές στην επόμενη πιο έξυπνη γενιά.
- Τα αυτοκίνητα μαθαίνουν μόνα τους μέσω εξέλιξης νευρωνικών δικτύων.
- Όλα τρέχουν τοπικά στον browser - καμία καταγραφή / αποστολή δεδομένων και καμία εγκατάσταση.
- Πιέστε Fullscreen στην πίστα για να ξεκινήσει η διαδραστική προσομοίωση!
- Αποτελεί ένα δωρεάν εργαλείο επίδειξης για μαθήματα ΤΝ / ρομποτικής.

Πώς να ξεκινήσεις

- Σχεδίασε πίστα: Ελεύθερα με το ποντίκι στο PC ή το δάχτυλο στο κινητό / tablet - ή διάλεξε μία έτοιμη πρόκληση στο [Challenge Mode] Beginner → Expert.
- Αυτό ήταν! Δες την προσομοίωση μπροστά σου - ξεκινά αυτόματα μόλις υπάρχει πίστα. Η μεγαλύτερη ταχύτητα του αυτοκινήτου είναι 12px/f (12 pixels / frame). Σημείωσέ το…
- Κάθε γενιά τελειώνει όταν όλα τα αυτοκίνητα έχουν σταματήσει (είτε βγήκαν εκτός πίστας, είτε ολοκλήρωσαν γύρο και "συνταξιοδοτήθηκαν"). Τότε εμφανίζεται η ένδειξη GENERATION ENDED.
- Αν το Auto-Next είναι ενεργό, η επόμενη γενιά ξεκινά αυτόματα. Αλλιώς, πάτησε οποιοδήποτε πλήκτρο για να συνεχίσεις χειροκίνητα.
- Πάτα [ Save / Load ] Αποθήκευσε και μετά φόρτωσε τον "εγκέφαλο" (τα εκπαιδευμένα βάρη) του καλύτερου αυτοκινήτου σε όλα τα υπόλοιπα, ώστε όλα να ξεκινήσουνε «εξυπνότερα».   

Πώς να συνεχίσεις

- Πρόσθεσε εμπόδια: Δυσκόλεψε την πίστα όπως θέλεις.
- Διάλεξε αλγόριθμο: Επίλεξε από τους 4 διαφορετικούς τρόπους μάθησης.
-- NeuroEvolution: Νευρωνικά δίκτυα που εξελίσσονται γενιά με γενιά μέσω μετάλλαξης — καθαρή εξελικτική μάθηση.
-- Pure Genetic Algorithm: Κλασικός γενετικός αλγόριθμος: επιλογή, διασταύρωση, μετάλλαξη σε αριθμητικές παραμέτρους οδήγησης.
-- Hybrid (GA + NN): Συνδυασμός νευρωνικού δικτύου (NN - Neural Net) και γενετικού αλγορίθμου (GA - Genetic Algorithm).
-- PID Controller (με δυνατότητα Auto-tune)!: Κλασικός αλγόριθμος αυτοματισμού βιομηχανίας / ρομποτικής (παράμετροι Kp / Ki / Kd) — ρυθμίζεται αυτόματα (Evolve) ή χειροκίνητα (Manual). Δεν "μαθαίνει" ελεύθερα όπως οι υπόλοιποι...
- Ρύθμισε παραμέτρους: Πληθυσμός, ρυθμός μετάλλαξης, ποικιλομορφία, ταχύτητα. Στην αρχή τα αφήνεις ως έχουν.
- Δες τους αισθητήρες: Και τον χάρτη δυσκολίας κάθε στροφής πάνω στην πίστα.
- Leader Cam!: 3D προοπτική μέσα από τα "μάτια" του πρώτου αυτοκινήτου.
- Live στατιστικά: Βαθμολογία, leaderboard, γράφημα προόδου σε πραγματικό χρόνο.
- Top Performers: Δες τους 3 νικητές κάθε γενιάς πριν προχωρήσεις στην επόμενη.

Δες τι σημαίνουν αυτά παρακάτω και προχωράς στις δικές σου ρυθμίσεις.

 

Έτοιμος για Ομαδική Πρόκληση; Ετοίμασε το αυτοκίνητό σου

Εκπαιδεύστε ο καθένας το δικό του αυτοκίνητο, και χρησιμοποιήστε το Export Car για να μαζέψετε τα αυτοκίνητά σας σε ένα USB stick.

Φορτώστε το σε ένα Competition Race στον προτζέκτορα της τάξης!!!

Online, multiplayer, real time…

Ετοιμάζεται multiplayer online έκδοση, στην οποία θα φορτώνετε όλοι τα αυτοκίνητά σας στην ίδια πίστα, θα διαγωνίζονται 24/7, και θα μένουν τα δικά σας HIGH SCORE με το όνομά σας, σε ένα μόνιμο HALL OF FAME!!! Μείνετε συντονισμένοι…

 

Πως μαθαίνει η ΤΝ;

Τι «μαθαίνει» το αυτοκίνητο

Ένα συχνό ερώτημα

Το πιο συχνό ερώτημα είναι: «πώς ξέρει το αυτοκίνητο πού να στρίψει;». Η σύντομη απάντηση είναι ότι δεν ξέρει, και δεν το μαθαίνει όπως μαθαίνει ένας μαθητής. Κάθε αυτοκίνητο ακολουθεί ένα σταθερό «συνταγολόγιο» αριθμών (τον εγκέφαλό του). Κάποια συνταγολόγια τυχαίνει να οδηγούν καλύτερα από άλλα. Η εξέλιξη απλώς κρατά τα καλά και τα αντιγράφει με μικρές αλλαγές.

Ένα παράδειγμα

Η αναλογία που βοηθά είναι η καλλιέργεια: ένας καλλιεργητής σπέρνει 200 φυτά, κρατά τα 20 καλύτερα, σπέρνει τους απογόνους τους, και επαναλαμβάνει. Κανένα φυτό δεν «κατάλαβε» τίποτα. Ο πληθυσμός όμως βελτιώθηκε. Εδώ τα «φυτά» είναι λίστες αριθμών και το «έδαφος» είναι η πίστα.

Κάτι «μαγικό»

Όλα είναι αλγόριθμος

Κάθε πρόγραμμα δεν είναι τίποτα άλλο από την υλοποίηση ενός αλγορίθμου σε μια γλώσσα προγραμματισμού. Όλα τα προγράμματα, από τα πιο απλά μέχρι τα πιο σύνθετα, στηρίζονται στο κλασικό τρίπτυχο της πληροφορικής: Είσοδος (Input) ➔ Επεξεργασία (Process) ➔ Έξοδος (Output).

Ο Κλασικός Προγραμματισμός

Στην παραδοσιακή προσέγγιση προγραμματισμού, ο άνθρωπος γνωρίζει ήδη τον κανόνα και καθοδηγεί τη μηχανή. Θέλουμε πχ τον μέσο όρο τριμήνου. Εμείς δίνουμε στον υπολογιστή την Είσοδο (π.χ. 20 διαφορετικούς βαθμούς μαθημάτων) και του δίνουμε απολύτως έτοιμη την Επεξεργασία (του γράφουμε τον ακριβή μαθηματικό τύπο του μέσου όρου). Ο υπολογιστής απλώς εκτελεί τις πράξεις που εμείς «τον μάθαμε» και μας τυπώνει την Έξοδο (την τελική βαθμολογία μας με τον μέσο όρο τριμήνου).

Η Αλλαγή της Τεχνητής Νοημοσύνης

Στην Τεχνητή Νοημοσύνη και τη Μηχανική Μάθηση (Machine Learning), αυτή η λογική αντιστρέφεται με τρόπο εντυπωσιακό. Εδώ, εμείς δίνουμε στον υπολογιστή την Είσοδο (τις αποστάσεις που διαβάζουν οι αισθητήρες του οχήματος) και του δίνουμε την επιθυμητή Έξοδο (τον στόχο μας, δηλαδή να μην τρακάρει).

Και τι κάνει ο υπολογιστής; Υπολογίζει και μας δίνει την Επεξεργασία (Process)!

Το πρόγραμμα ανακαλύπτει από μόνο του ποιοι είναι οι κρυφοί κανόνες, οι εξισώσεις και τα «Βάρη» (weights) που πρέπει να εφαρμοστούν στις εισόδους ώστε να παραχθεί η σωστή έξοδος (το σωστό στρίψιμο του τιμονιού).

Είναι τελικά κάτι μαγικό;

Είναι, απλώς, μαθηματικά.

Είναι καθαρά μαθηματικά! Η ψευδαίσθηση της «ευφυΐας» προκύπτει από εκατομμύρια ταχύτατους πολλαπλασιασμούς, συνεχείς επαναλήψεις (γενιές) και αλγόριθμους δοκιμής-και-λάθους (trial and error). Το αυτοκίνητο δεν έχει συνείδηση και δεν «βλέπει» τον δρόμο όπως εμείς· απλώς προσαρμόζει τους αριθμούς του μέχρι τα μαθηματικά του να ταιριάξουν απόλυτα με τον στόχο που του έχουμε θέσει. Θα το δούμε πολλές φορές αυτό…

Είναι και κίνητρα!!!

Στην Τεχνητή Νοημοσύνη, ο άνθρωπος αναλαμβάνει ρόλο σχεδιαστή συστημάτων και "προπονητή". Αντί να γράψει τον κανόνα για το πώς θα στρίψει το αυτοκίνητο, καλείται να απαντήσει σε εντελώς διαφορετικά ερωτήματα:

- Ποια δεδομένα (αισθητήρες) χρειάζεται το όχημα για να «δει» τον κίνδυνο;

- Πώς θα βαθμολογήσω (Fitness) την καλή οδηγική συμπεριφορά;

- Πότε το επιβραβεύω; Όσο δεν τρακάρει. Τέλεια, τότε θα ξεκινήσει και θα σταματήσει αμέσως. Τότε θα το επιβραβεύω παραπάνω αν τρέχει. Τέλεια, θα κάνει κύκλους γύρω από τον εαυτό του.

Δεν μοιάζουν εύκολα τα πράγματα. Απλά απαιτούν προσοχή από μας, να ακριβολογούμε και να έχουμε στο μυαλό μας ότι η ΤΝ είναι τεμπέλικη από τη φύση της και θα προσπαθήσει να κάνει τα ελάχιστα, τα οποία όμως ταιριάζουν με αυτά που θέλουμε.

Τελικά πώς κινείται;

Στρίβουμε ή ευθεία;

Σε κάθε καρέ, το αυτοκίνητο «ρωτά» τους 7 αισθητήρες του. Κάθε αισθητήρας είναι μια αόρατη ακτίνα και απαντά με έναν αριθμό από 0 έως 1: 0 σημαίνει «δεν βλέπω τοίχο» και όσο ο αριθμός πλησιάζει το 1, τόσο πιο κοντά είναι ο τοίχος προς εκείνη την κατεύθυνση.

Το αυτοκίνητο δεν ξέρει τι είναι τοίχος και δεν ξέρει ότι τρακάρισμα σημαίνει τέλος. Είναι απλώς 7 αριθμοί που μπαίνουν στον εγκέφαλο. Το αν ένας μεγάλος αριθμός από αριστερά θα οδηγήσει σε στρίψιμο δεξιά, δεν το προγραμματίσαμε. Εξαρτάται από το βάρος που έχει η σύνδεση εκείνου του αισθητήρα με το τιμόνι. Αν είναι αρνητικό, το αυτοκίνητο στρίβει δεξιά. Αν είναι ουδέτερο, αγνοεί τον αισθητήρα και τρακάρει.

Την πρόσκρουση τη διαπιστώνει το πρόγραμμα, όχι το αυτοκίνητο: μόλις το κέντρο του βγει από τον δρόμο, το αυτοκίνητο «πεθαίνει». Οι εγκέφαλοι που στράφηκαν σωστά, επειδή τα βάρη τους ήταν τυχαία τέτοια, επιβιώνουν και αντιγράφονται. Αυτό είναι όλο το «μυστικό».

Μέσω των μαθηματικών πράξεων, αυτό το σήμα πολλαπλασιάζεται με το «βάρος» του και μεταφράζεται σε εντολή στρέψης προς την αντίθετη κατεύθυνση. Ουσιαστικά, φανταστείτε ότι οι αισθητήρες δεξιά και αριστερά παίζουν διελκυστίνδα (τραβάνε σχοινί) με το τιμόνι. Αν το όχημα κινδυνεύει από αριστερά, το "τράβηγμα" για να στρίψει δεξιά γίνεται πιο δυνατό για να το σώσει. Όταν ο δρόμος είναι εντελώς ελεύθερος (οι αποστάσεις είναι μεγάλες παντού), οι δυνάμεις αυτές ισορροπούν και η εγγενής «προδιάθεση» (bias) κρατάει το όχημα σε σταθερή, ευθεία πορεία.

Το αυτοκίνητο δεν φοβάται τον τοίχο. Απλώς οι πρόγονοί του που δεν τον απέφυγαν δεν άφησαν απογόνους.

Και με το γκάζι;

Δεν υπάρχει πεντάλ φρένου. Το αυτοκίνητο ρυθμίζει την ταχύτητά του μόνο με έναν στόχο ταχύτητας (target speed) που αλλάζει σε κάθε καρέ, και η πραγματική ταχύτητα τον πλησιάζει ομαλά.

Ο στόχος προκύπτει από δύο πράγματα:

1. Το ταβάνι: το πρόγραμμα μετρά πόσο «ανοιχτός» είναι ο δρόμος (ο μέσος όρος των 7 αισθητήρων). Σε ευθεία, το ταβάνι είναι 12 px/f. Σε ήπια στροφή 8,4 και σε κλειστή 4,8. Αυτή τη διαίρεση την έγραψε άνθρωπος.
2. Το γκάζι (0–100%): το βγάζει ο εγκέφαλος, με βάρη που βρήκε η εξέλιξη. Όσο μεγαλύτερος ο κίνδυνος, τόσο πιο αρνητικά τα βάρη του γκαζιού, άρα το αυτοκίνητο έχει «μάθει» να σηκώνει το πόδι πριν τη στροφή.

στόχος = ταβάνι × γκάζι

(ποτέ κάτω από 3)

Κάθε καρέ (1/60 του δευτερολέπτου) η ταχύτητα κινείται ένα κλάσμα προς τον στόχο: 15% όταν επιταχύνει, 25% όταν φρενάρει. Αν πηγαίνει με 10 και ο στόχος γίνει 4,3, το επόμενο καρέ θα έχει 8,6 και το μεθεπόμενο 7,5. Φρενάρει γρήγορα στην αρχή και πιο ήπια καθώς πλησιάζει τον στόχο. Φρενάρει πιο εύκολα απ' ό,τι επιταχύνει, όπως και στα αληθινά αυτοκίνητα.

Γιατί έχει σημασία να φρενάρει σε στροφή; Το τιμόνι στρίβει το πολύ 0,1 rad ανά καρέ. Αυτό σημαίνει ότι η στενότερη στροφή που μπορεί να κάνει εξαρτάται από την ταχύτητα:
ακτίνα = ταχύτητα ÷ 0,1

Στα 12 px/f η στενότερη στροφή έχει ακτίνα 120 px (πλατύτερη από τον δρόμο των 70 px), ενώ στα 4,8 px/f έχει 48 px. Αν δεν φρενάρει, απλώς δεν χωράει στη στροφή και χτυπά τον τοίχο.

Και ύστερα, μόλις ο δρόμος ανοίξει, ο στόχος ανεβαίνει και το αυτοκίνητο ξαναπατά γκάζι. Χωρίς φόβο και χωρίς δίδαγμα. Απλώς ό,τι εγκέφαλος δεν φρενάρει, δεν αφήνει απογόνους.

Τελικά ποια είναι τα inputs και ποια τα outputs εδώ ?

Inputs

Τα Inputs (Είσοδοι) του αλγορίθμου είναι συνολικά 8 αριθμοί που περιγράφουν το περιβάλλον του αυτοκινήτου:

• 7 αριθμοί από τους αισθητήρες (Sensors): Κάθε «κεραία» του αυτοκινήτου στέλνει μια τιμή από το 0 έως το 1 ανάλογα με την απόσταση από τα εμπόδια.
• 1 αριθμός για την «Καθαρότητα Ευθείας» (Straightness): Ένας συγκεντρωτικός δείκτης που προκύπτει από τον μέσο όρο των αισθητήρων. Το 1 (100%) σημαίνει εντελώς ελεύθερος δρόμος μπροστά, ενώ μικρότεροι αριθμοί προειδοποιούν για κλειστή στροφή.

Outputs

Τα Outputs (Έξοδοι) του αλγορίθμου είναι ακριβώς 2 αριθμοί, οι οποίοι αποτελούν τις "αποφάσεις" του οχήματος:

• Το Τιμόνι (Steering): Ένας αριθμός που κυμαίνεται από -1 έως +1. Αν το αποτέλεσμα είναι αρνητικό, το αυτοκίνητο στρίβει προς τη μία κατεύθυνση, ενώ αν είναι θετικό στρίβει προς την άλλη. Το 0 σημαίνει ότι οι ρόδες μένουν στην ευθεία.
• Το Γκάζι (Throttle): Ένας αριθμός που μετατρέπεται σε ποσοστό (από 0% έως 100%). Καθορίζει πόσο έντονα θα πατήσει το γκάζι ο εικονικός οδηγός, επιτρέποντας στο αυτοκίνητο να επιταχύνει στις ευθείες ή να "σηκώσει το πόδι από το γκάζι" για να επιβραδύνει στις στροφές.

 

Πώς σκέφτεται το αυτοκίνητο?

Το Παράδειγμα του «Κρυφού Κανόνα»

Για να γίνει απολύτως κατανοητό το πώς η Τεχνητή Νοημοσύνη «βρίσκει το Process», ας δούμε ένα πολύ απλό παράδειγμα με αριθμούς.

Είδαμε ότι στον κλασικό προγραμματισμό, ο άνθρωπος ξέρει τον κανόνα (το Process) και τον γράφει στον κώδικα. Θέλουμε για παράδειγμα την προπαίδεια του 4, η οποία δίνεται από τη συνάρτηση f(a) = 4 x a. Στη συνέχεια, δίνουμε  στον υπολογιστή την είσοδο (Input) και περιμένουμε το αποτέλεσμα:

Του δίνουμε Input το 2, ο υπολογιστής κάνει τον πολλαπλασιασμό και βγάζει Output 8.

Του δίνουμε Input το 5, ο υπολογιστής κάνει τον πολλαπλασιασμό και βγάζει Output 20.

Στην Τεχνητή Νοημοσύνη, ΔΕΝ δίνουμε στον υπολογιστή τον κανόνα. Ο υπολογιστής ξεκινάει με έναν "άδειο" εγκέφαλο. Αντί για κανόνες, του δίνουμε πολλά παραδείγματα (Δεδομένα Εκπαίδευσης):

"Αν σου δίνω Input 2, θέλω να μου δίνεις Output 8."

"Αν σου δίνω Input 3, θέλω να μου δίνεις Output 12."

"Αν σου δίνω Input 5, θέλω να μου δίνεις Output 20."

"Αν σου δίνω Input 8, θέλω να μου δίνεις Output 32."

Το πρόγραμμα της Τεχνητής Νοημοσύνης αρχίζει να δοκιμάζει στην τύχη. Στην αρχή κάνει λάθη. Όμως, επειδή ο αλγόριθμος έχει τη δυνατότητα να "αυτορυθμίζεται" (προσαρμόζοντας τα μαθηματικά του βάρη), σιγά-σιγά προσεγγίζει τη λύση. Μέσα από την εκπαίδευση, ανακαλύπτει μόνο του το Process! Καταλήγει δηλαδή στο συμπέρασμα: «Για να βγάζω πάντα αυτά τα αποτελέσματα που μου ζητάς, πρέπει κάθε φορά να πολλαπλασιάζω την είσοδο επί 4!».

Πώς συνδέεται αυτό με το αυτοκινητάκι μας;

Ακριβώς με τον ίδιο τρόπο. Δεν καθόμαστε να γράψουμε κανόνες του τύπου "αν ο τοίχος είναι στα 10 pixel, στρίψε 30 μοίρες". Αντίθετα, του δίνουμε το Input (τις μετρήσεις από τους αισθητήρες) και του ορίζουμε το επιθυμητό Output (να προχωράει γρήγορα χωρίς να τρακάρει). Μέσα από τις συνεχείς γενιές και τις συγκρούσεις, ο εγκέφαλος του οχήματος ρυθμίζει τα νούμερά του μέχρι να "ανακαλύψει" τον μαθηματικό κανόνα (το δικό του f(a) = 4 x a) που του επιτρέπει να στρίβει τέλεια σε κάθε στροφή με την ιδανική ταχύτητα! 

«Να δούμε τον μαθηματικό τύπο»!!!

Στη γλώσσα των μαθηματικών, ο τύπος γράφεται έτσι:

$$\text{Steering}=tanh(\text{Bias}+\sum _{i=1}^7({\text{Sensor}}_i\times {\text{Weight}}_i)+(\text{Straightness}\times {\text{Weight}}_8))$$

 Ακριβώς ο ίδιος τύπος (χρησιμοποιώντας άλλα 8 βάρη και άλλο Bias) τρέχει κλάσματα του δευτερολέπτου αργότερα για να βγάλει την απόφαση για το Γκάζι (Throttle).

Καμία απολύτως μαγεία, μόνο μια μεγάλη γραμμική εξίσωση.

Το Bias είναι η βασική ορμή, η «Προδιάθεση» το αρχικό ένστικτο του οχήματος όταν όλοι οι εξωτερικοί παράγοντες απουσιάζουν. Είναι ο αριθμός που λέει στο όχημα τι να κάνει «από προεπιλογή» (by default).

Τα Βάρη;

Τα Βάρη (Weights) είναι οι πολλαπλασιαστές σημασίας του κάθε αισθητήρα. Αν το Bias είναι η «έμφυτη προδιάθεση» του οχήματος, τα Βάρη καθορίζουν το πόσο «δυνατά» ακούει ο εγκέφαλος τον κάθε αισθητήρα ξεχωριστά, καθώς και πώς θα αντιδράσει σε αυτόν.

Στην εξίσωση, η απόσταση που διαβάζει ο αισθητήρας πολλαπλασιάζεται πάντα με το δικό του, μοναδικό Βάρος. Ο αριθμός του Βάρους κρύβει δύο κρίσιμες πληροφορίες που διαμορφώνουν την οδήγηση: το πρόσημο (θετικό ή αρνητικό) και το μέγεθος (απόλυτη τιμή).

Ας δούμε πρακτικά πώς μεταφράζονται αυτά τα μαθηματικά στην πίστα:

• Το Πρόσημο καθορίζει την Κατεύθυνση: Έστω ότι ο τέρμα αριστερός αισθητήρας βλέπει ότι έρχεται τοίχος (στέλνει τιμή 0.9). Αν ο αλγόριθμος του έχει δώσει αρνητικό Βάρος (π.χ. −4), η πράξη βγάζει −3.6. Η συνάρτηση συμπίεσης Math.tanh() μετατρέπει το −3.6 σε εντολή αρνητική, δηλαδή στρίψε δεξιά. Αν κατά λάθος το Βάρος ήταν θετικό (π.χ. +4), το αποτέλεσμα θα ήταν θετικό και το αυτοκίνητο θα έστριβε αριστερά, καρφώνοντας το όχημα πάνω στον τοίχο!
• Το Μέγεθος καθορίζει την Ευαισθησία: Αν ο κεντρικός αισθητήρας έχει ένα τεράστιο βάρος (π.χ. −12), σημαίνει ότι είναι υπερευαίσθητος. Ακόμα και ένα ανεπαίσθητο εμποδιάκι μακριά (0.1) θα πολλαπλασιαστεί με το −12 και θα δώσει αποτέλεσμα −1.2, κάνοντας το τιμόνι να στρίψει απότομα. Αν το Βάρος ήταν μικρό (π.χ. −0.5), το όχημα θα αντιδρούσε πολύ πιο ήπια και στρωτά.
• Το Μηδέν σημαίνει Αδιαφορία: Αν, μετά από πολλές γενιές, το Βάρος ενός αισθητήρα φτάσει στο 0, τότε οποιαδήποτε μέτρηση και αν κάνει ο αισθητήρας (0.9×0=0) ακυρώνεται. Το νευρωνικό δίκτυο έχει μάθει ουσιαστικά να "κλείνει τα αυτιά του" στη συγκεκριμένη είσοδο, κρίνοντάς την άχρηστη για τον τερματισμό της πίστας.

Πώς προκύπτουν και πώς ρυθμίζονται τα Βάρη;

Σε αντίθεση με το Bias που το θέσαμε εμείς αρχικά (ή τους κανόνες του παραδοσιακού προγραμματισμού), τα Βάρη δεν τα γράφει ποτέ ο άνθρωπος.

Στη Γενιά 1, ο κώδικας (Math.random()) μοιράζει εντελώς τυχαίους, θετικούς και αρνητικούς αριθμούς στα Βάρη όλων των οχημάτων. Όσα αυτοκίνητα έτυχε να έχουν αρνητικά βάρη στους πλαϊνούς αισθητήρες, στρίβουν (έστω και άγαρμπα) μακριά από τους τοίχους και επιβιώνουν. Στις επόμενες γενιές, μέσω της διαδικασίας της Μετάλλαξης (Brain.mutate()), προστίθενται τυχαίες μικρο-αλλαγές σε αυτά τα Βάρη (π.χ. το −4 γίνεται −4.2). Αν το −4.2 βοηθάει το αυτοκίνητο να πάρει τη στροφή πιο γρήγορα, ο κάτοχός του επιβιώνει και η κοινωνία των οχημάτων υιοθετεί το νέο Βάρος ως το νέο οδηγικό στάνταρ.

Ο μαθηματικός τύπος, αλλιώς…

Φανταστείτε ότι αποφασίζετε αν θα βγείτε βόλτα. Οι «είσοδοι» είναι: έχει ήλιο (1), κάνει κρύο (1), έχετε διάβασμα (1). Τα «βάρη» είναι: ήλιος +3, κρύο −1, διάβασμα −2. Το «bias» είναι ο χαρακτήρας σας: +1 αν είστε εξωστρεφής.

Άθροισμα = 1 + (1×3) + (1× -1) + (1× -2) = 1. Θετικό, άρα βγαίνετε βόλτα.

Το δίκτυο του αυτοκινήτου κάνει ακριβώς τέτοιους υπολογισμούς, με 8 εισόδους και βάρη που βρήκε η εξέλιξη.

Λύνοντας το παζλ

Το τελευταίο κομμάτι του παζλ

Κίνητρο

Ναι, υπάρχει ένα τελευταίο κομμάτι στο παζλ, ίσως το πιο σημαντικό από όλα για να καταλάβει κανείς πώς "σκέφτεται" πραγματικά η Τεχνητή Νοημοσύνη: Το Κίνητρο (Συνάρτηση Καταλληλότητας / Fitness Function).

Μέχρι τώρα είδαμε πώς οι αισθητήρες (Inputs) μπαίνουν στα Βάρη και το Bias (Process) για να βγάλουν την απόφαση στο Τιμόνι (Output). Αλλά πώς ξέρει ο υπολογιστής στο τέλος της γενιάς ποιο αυτοκίνητο (δηλαδή ποιο σετ από Βάρη) ήταν «καλό» για να το κρατήσει και ποιο ήταν «κακό» για να το πετάξει;

Το αυτοκίνητο δεν ξέρει ότι είναι αυτοκίνητο, δεν καταλαβαίνει τι σημαίνει «πίστα» και σίγουρα δεν φοβάται μην τρακάρει. Το αυτοκίνητο βλέπει μόνο τους αισθητήρες. Στην πίστα «παράγεται» το σκορ που το χρησιμοποιεί η εξέλιξη, για να το κάνει όσο μεγαλύτερο γίνεται.

Καρότο

Αν δούμε τον κώδικα, ο τύπος που κρίνει ποιος επιβιώνει είναι ο εξής: fitness = (baseScore + distBonus + speedBonus + lapBonus) * fitnessMultiplier.

Αυτό είναι το "καρότο" που του κουνάμε. Ας το αποκωδικοποιήσουμε:

• baseScore (Πρόοδος): Κάθε φορά που το όχημα περνάει ένα αόρατο checkpoint στην πίστα, παίρνει 1000 πόντους. Άρα, μαθαίνει να προχωράει μπροστά.
• distBonus (Ακρίβεια): Πόσο κοντά έφτασε στο επόμενο checkpoint πριν τρακάρει.
• speedBonus (Ταχύτητα): Εδώ κρύβεται η μαγεία! Ο αλγόριθμος παίρνει έξτρα πόντους με βάση τη μέση ταχύτητά του (totalSpeed / speedSamples). Αν δεν υπήρχε αυτό, το αυτοκίνητο θα μπορούσε να μάθει να πηγαίνει σαν χελώνα (με 1 χλμ/ώρα) για να είναι 100% σίγουρο ότι δεν θα τρακάρει ποτέ. Εμείς όμως του λέμε: "Σε επιβραβεύω όχι μόνο να τερματίσεις, αλλά να τερματίσεις γρήγορα!"
• lapBonus (Ολοκλήρωση): Αν καταφέρει να κάνει ολόκληρο τον γύρο (lapComplete), παίρνει ένα τεράστιο μπόνους 10.000 πόντων, διαιρεμένο με τον χρόνο που έκανε (lapTimer). Έτσι μαθαίνει να κόβει δευτερόλεπτα από τον χρόνο του!

Το σπουδαιότερο μάθημα

AI Loopholes / "Χακάροντας" το σύστημα:

Η Τεχνητή Νοημοσύνη είναι διαβόητη στο να "κλέβει". Αν της δώσεις λάθος Συνάρτηση Καταλληλότητας (Fitness), θα βρει τον πιο παράλογο τρόπο να την εκμεταλλευτεί. Είδαμε για παράδειγμα ότι αν της δίναμε πόντους μόνο για το πόση απόσταση διένυσε, χωρίς να μετράμε checkpoints, το αυτοκίνητο θα μπορούσε να ανακαλύψει ότι το συμφέρει να κάνει απλώς μικρούς κύκλους γύρω από τον εαυτό του με τελική ταχύτητα στη γραμμή της αφετηρίας, "γράφοντας" χιλιόμετρα χωρίς να κινδυνεύει!

Ποιος βαθμολογεί τον βαθμολογητή;

Μέχρι εδώ είδαμε πώς οι αισθητήρες (inputs) μπαίνουν στα βάρη και στο bias και βγάζουν τιμόνι και γκάζι (outputs). Μένει ένα ερώτημα: στο τέλος της γενιάς, πώς αποφασίζει ο υπολογιστής ποιος εγκέφαλος αξίζει να επιβιώσει και ποιος να πάει στα αζήτητα;

Η απάντηση λέγεται συνάρτηση καταλληλότητας (fitness function). Είναι ίσως η πιο σημαντική έννοια ολόκληρης της ΤΝ.

Πρώτα μια διευκρίνιση που ξαφνιάζει: το αυτοκίνητο δεν ξέρει ότι έχει σκορ. Δεν το βλέπει ποτέ. Οι μόνες του είσοδοι είναι οι 7 αισθητήρες και η ευθυγράμμιση. Δεν ξέρει ότι είναι αυτοκίνητο, δεν ξέρει τι είναι πίστα και δεν φοβάται τον τοίχο. Είναι σαν μαθητής που βαθμολογείται σε διαγώνισμα που δεν ήξερε ότι έδινε.

Τον βαθμό τον βλέπει μόνο η εξέλιξη, μετά την κούρσα, και κρατά όσους πέρασαν τη βάση. Άρα η fitness δεν είναι καρότο που κυνηγά κάποιος. Είναι κόσκινο: ό,τι περνά, αναπαράγεται.

Ο τύπος, όπως είναι στον κώδικα

fitness = (baseScore + distBonus + speedBonus + lapBonus) × fitnessMultiplier

• baseScore (πρόοδος): 1000 πόντοι για κάθε checkpoint που περνά. Είναι ο κυρίαρχος όρος.
• distBonus (εγγύτητα): έως 100 πόντοι, ανάλογα με το πόσο κοντά έφτασε στο επόμενο checkpoint πριν χαθεί. Είναι το «ε, πάλι καλά που προσπάθησες».
• speedBonus (ταχύτητα): η μέση ταχύτητα της ζωής του (totalSpeed ÷ speedSamples) επί 100. Με μέγιστη ταχύτητα 12 px/f δίνει το πολύ 1200 πόντους. Είναι το «πάτα γκάζι, δεν είναι εκδρομή».
• lapBonus (τερματισμός): 10000 ÷ lapTimer, όπου ο χρόνος μετριέται σε καρέ. Ένας γύρος των 15 δευτερολέπτων (900 καρέ) δίνει περίπου 11 πόντους, δηλαδή το ένα εκατοστό ενός checkpoint. Είναι περισσότερο χειραψία παρά βραβείο.
• fitnessMultiplier: κλιμακώνει τους βαθμούς ώστε μικρές και μεγάλες πίστες να έχουν συγκρίσιμη κλίμακα. Δεν αλλάζει ποιος κερδίζει μέσα σε μια γενιά.

Παράδειγμα: ένα αυτοκίνητο περνά 20 checkpoints με μέση ταχύτητα 6 και φτάνει 50 πόντους κοντά στο επόμενο: 20.000 + 50 + 600 ≈ 20.650 (πριν τον συντελεστή κλιμάκωσης). Το 97% του βαθμού είναι απλώς «πόσο μακριά έφτασες».

Γιατί δεν γίνονται όλα χελώνες;

Η ταχύτητα ανταμείβεται με δύο τρόπους. Έμμεσα, γιατί κάθε αυτοκίνητο ζει το πολύ 60 δευτερόλεπτα και ένα γρήγορο προλαβαίνει να περάσει περισσότερα checkpoints. Άμεσα, μέσω του speedBonus. Υπάρχει και δικλίδα ασφαλείας: όποιος περάσει περίπου 4 δευτερόλεπτα χωρίς να πιάσει checkpoint, «πεθαίνει» ως κολλημένος. Ο τερματισμός δεν πληρώνεται σχεδόν καθόλου, αλλά οι γρήγοροι γύροι προκύπτουν παρ' όλα αυτά. Έτσι η εξέλιξη παίρνει αυτό που πληρώνεις, όχι αυτό που εννοούσες.

Παραθυράκια παντού

Η ΤΝ ψάχνει παραθυράκια

Η ΤΝ είναι ο πιο εργατικός και ο πιο κυριολεκτικός υπάλληλος του κόσμου. Κάνει ακριβώς ό,τι γράφει η περιγραφή θέσης, όχι ό,τι είχες στο μυαλό σου, και αν υπάρχει παραθυράκι, θα το βρει – να είσαι σίγουρος.

Αν της δίναμε πόντους μόνο για την απόσταση που διένυσε, χωρίς checkpoints, θα μπορούσε να ανακαλύψει ότι συμφέρει να κάνει μικρούς κύκλους στην αφετηρία με τέρμα το γκάζι. Γράφει «χιλιόμετρα», δεν πηγαίνει πουθενά και δεν τρακάρει ποτέ. Στο CityLab Evo, ο κανόνας «κολλήματος» θα το σταματούσε σε περίπου 4 δευτερόλεπτα. Αλλά στον πραγματικό κόσμο δεν υπάρχει πάντα τέτοιος κανόνας.

Αυτό είναι γνωστό φαινόμενο της έρευνας, το reward hacking (εκμετάλλευση της ανταμοιβής).

Υπάρχει και ένα «παραθυράκι» στον κώδικα του Evo που είναι χρήσιμο: ένα checkpoint θεωρείται περασμένο όταν το αυτοκίνητο έρθει σε απόσταση μικρότερη από 70 px, όσο το πλάτος του δρόμου. Έτσι τα αυτοκίνητα μαθαίνουν να κόβουν τις στροφές, όπως οι οδηγοί της F1 που ψάχνουν τη βέλτιστη γραμμή.

 

Μικρό λεξικό όρων

Επί της προσομοίωσης

Ορολογία αλφαβητικά

Brain Diversity (Ποικιλομορφία Εγκεφάλου): Πόσο διαφορετικοί είναι μεταξύ τους οι "εγκέφαλοι" του πληθυσμού. Μεγαλύτερη, σημαίνει περισσότερη εξερεύνηση λύσεων. Σε αντίθεση με το mutation που δρα στους απογόνους, αυτό ρυθμίζει το μέγεθος της άγνοιας/τυχαιότητας μόνο για τους “πρωτόπλαστους”. Δεν παίζει ρόλο στις επόμενες γενιές (εκεί μετράει το Mutation Rate). Υψηλή ποικιλομορφία σημαίνει εντελώς ακραίες και τυχαίες συμπεριφορές στον πρώτο πληθυσμό. Στο 0.00 όλα τα αυτοκίνητα της πρώτης γενιάς είναι ακριβώς ίδια, και πηγαίνουν όλα ίσια. Μόνο η μετάλλαξη θα δημιουργήσει μετά διαφορές.

Crossover: Συνδυασμός δύο "καλών" εγκεφάλων για δημιουργία νέου. Η ιδέα είναι να συνδυαστούν καλά «κομμάτια» από δύο καλούς γονείς (π.χ. οι σωστές αντιδράσεις στις αριστερές στροφές από τον έναν και οι δεξιές από τον άλλον). Στο πρόγραμμα εφαρμόζεται μόνο στο Hybrid και στο 30% των παιδιών. Στους άλλους αλγορίθμους κάθε παιδί προέρχεται από έναν γονέα

Elite Preservation: Οι καλύτεροι κάθε γενιάς περνούν αυτούσιοι στην επόμενη, χωρίς αλλαγές. Εδώ, οι 5 καλύτεροι κλωνοποιούνται χωρίς καμία μετάλλαξη. Εγγυάται ότι η ποιότητα δεν χειροτερεύει από γενιά σε γενιά λόγω ατυχίας: ο καλύτερος εγκέφαλος που έχουμε βρει δεν χάνεται ποτέ από μια κακή μετάλλαξη. Ο ελιτισμός είναι η ασφάλεια της εξέλιξης.

Fitness Chart (Διάγραμμα Τάσεων): Απεικονίζει οπτικά την εξέλιξη (ή τη στασιμότητα) του πληθυσμού στις τελευταίες 50 γενιές. Σχεδιάζει δύο γραμμές. Την πράσινη (χρόνος καλύτερου γύρου, και τη μπλε διακεκομμένη (μέση ταχύτητα). Είναι ένα εργαλείο για να βλέπουμε αν η "εκμάθηση έχει πιάσει ταβάνι”.

Generation Progress (Μπάρα Προόδου Γενιάς): Δείχνει πόσα αυτοκίνητα επιβιώνουν ακόμα στην πίστα. Οπτικοποιεί το ποσοστό των οχημάτων που έχουν τρακάρει σε σχέση με το συνολικό πληθυσμό. Όσο η γενιά προχωράει και τα οχήματα καταστρέφονται, η μπάρα γεμίζει.

Genetic Algorithm): Αντί για ένα μαθηματικό πλέγμα βαρών (Νευρωνικό), χρησιμοποιεί "Κανόνες" (Genes/Γονίδια). Π.χ., «αν ο κίνδυνος αριστερά είναι πάνω από το Χ, στρίψε κατά Υ». Οι τιμές Χ και Υ μεταλλάσσονται γενετικά και η εξέλιξη βρίσκει τις καλύτερες τιμές των ορίων. Δείχνει τη διαφορά ανάμεσα στο να προγραμματίσεις τη λογική και στο να την αφήσεις να προκύψει: εδώ η λογική είναι δοσμένη, μόνο οι ρυθμίσεις εξελίσσονται.

Hybrid (Υβριδικό Μοντέλο): Είναι μία γέφυρα μεταξύ αυστηρών κανόνων (Genetic) και ελεύθερης "σκέψης" (NeuroEvolution).  Ο εγκέφαλος λύνει το πρόβλημα... δύο φορές ταυτόχρονα. Μία φορά με το Νευρωνικό Δίκτυο και μία φορά με τον Καθαρό Γενετικό Αλγόριθμο. Στη συνέχεια, αποφασίζει ποιον θα ακούσει περισσότερο χρησιμοποιώντας ένα «γονίδιο μείξης» (blend). Αν το γονίδιο blend, ας πούμε, είναι 0.7, το αυτοκίνητο θα ακούσει κατά 70% το ένστικτο του νευρωνικού του και κατά 30% τους κανόνες του. Το καταπληκτικό είναι ότι το ίδιο το ποσοστό blend είναι γονίδιο που εξελίσσεται, οπότε ο πληθυσμός ανακαλύπτει μόνος του ποιος αλγόριθμος τον συμφέρει περισσότερο!

Mutation Rate (Ποσοστό Μετάλλαξης): Πόσο τυχαία αλλάζει ο "εγκέφαλος" στην επόμενη γενιά. Υψηλό = πιο απρόβλεπτο, χαμηλό = πιο σταθερό. Με άλλα λόγια, ορίζει πόσο συχνά γίνονται τυχαίες αλλαγές (λάθη/καινοτομίες) στα «γονίδια» (βάρη/biases) των απογόνων. Στο 0.10 για παράδειγμα κάθε βάρος, bias και γονίδιο έχει 10% πιθανότητα να αλλάξει. Ένας εγκέφαλος NeuroEvolution έχει 18 αριθμούς εδώ, άρα κατά μέσο όρο αλλάζουν περίπου 2 ανά παιδί. Οι 5 ελίτ δεν μεταλλάσσονται.
Οι περισσότερες μεταλλάξεις είναι ουδέτερες ή βλαβερές, και μερικές ευεργετικές. Η Eπιλογή είναι αυτή που κρατά τις ευεργετικές.

NeuroEvolution (Νευροεξέλιξη): Στην προεπιλεγμένη "μηχανή σκέψης" του παιχνιδιού, κάθε αυτοκίνητο έχει ένα απλό νευρωνικό δίκτυο (χωρίς κρυφά επίπεδα). Διαβάζει τους αισθητήρες (π.χ. αποστάσεις εμποδίων), πολλαπλασιάζει την κάθε είσοδο με ένα νούμερο (βάρος / weight) και προσθέτει έναν σταθερό αριθμό (πόλωση / bias). Στη συνέχεια, το αποτέλεσμα περνάει από μια μαθηματική συνάρτηση (Math.tanh). Αυτή η συνάρτηση απλώς «συμπιέζει» οποιονδήποτε αριθμό (ακόμα και το -1500 ή το +8000) σε ένα εύρος από -1 έως 1, ώστε να δοθεί εντολή στο τιμόνι (Αριστερά = θετικό, Δεξιά = αρνητικό) και στο γκάζι.

Overfitting (Υπερπροσαρμογή):
Αν το αυτοκίνητο "μάθει" να λύνει τέλεια μόνο το Οβάλ (Beginner circuit) αποστηθίζοντας τις κινήσεις, θα τρακάρει αμέσως στο Advanced. Στο Progressive Mode η πίστα αλλάζει για να ωθήσει τον αλγόριθμο στη Γενίκευση (Να μάθει να οδηγεί, όχι να θυμάται την πίστα).

PID Tuning Mode: Επιτρέπει στο χρήστη να δει πώς ο αλγόριθμος εξελίσσει μόνος του τις παραμέτρους (Evolve) ή να τις ρυθμίσει με το χέρι (Manual). Το Kp ελέγχει την άμεση αντίδραση στο λάθος, το Ki τη μνήμη των λαθών, και το Kd την απόσβεση ταλάντωσης. Ο αλγόριθμος αφαιρεί τον κίνδυνο δεξιά από τον κίνδυνο αριστερά, και αυτό είναι το error. Υπολογίζει το τιμόνι με τον τύπο: Math.tanh(kp * error + ki * integral + kd * derivative).

Selection (Επιλογή): Η διαδικασία που αποφασίζει ποια αυτοκίνητα θα αποκτήσουν απογόνους. Κρατάμε το καλύτερο 50% ως «δεξαμενή γονέων». Κάθε παιδί επιλέγει έναν τυχαίο γονέα από τη δεξαμενή με ίσες πιθανότητες, χωρίς προτίμηση στον καλύτερο.

 

Επί της Τεχνητής Νοημοσύνης

Ορολογία αλφαβητικά

Ενισχυτική Μάθηση (Reinforcement Learning - RL): Παράδειγμα μάθησης όπου ένας πράκτορας (agent) αλληλεπιδρά με ένα περιβάλλον, λαμβάνοντας θετική ενίσχυση (ανταμοιβή / reward) ή αρνητική ενίσχυση (ποινή / penalty) ανάλογα με τις ενέργειές του.

Εξερεύνηση έναντι Εκμετάλλευσης (Exploration vs Exploitation): Το θεμελιώδες δίλημμα στη μάθηση: αν ο πράκτορας πρέπει να δοκιμάσει εντελώς νέες, άγνωστες κινήσεις (exploration) ή να αξιοποιήσει όσα ήδη γνωρίζει ότι αποδίδουν καλά (exploitation). Χωρίς εξερεύνηση, δεν βρίσκεις ποτέ κάτι καλύτερο. Χωρίς εκμετάλλευση, δεν διατηρείς όσα βρήκες.

Μηχανική Μάθηση (Machine Learning - ML): Υποσύνολο της AI όπου το υπολογιστικό σύστημα δεν προγραμματίζεται βήμα-προς-βήμα με ρητούς κανόνες, αλλά εξάγει μοτίβα και βελτιώνει την απόδοσή του αυτόνομα μέσα από δεδομένα ή εμπειρία.

Περιβάλλον (Environment): Ο εικονικός ή φυσικός κόσμος μέσα στον οποίο κινείται ο πράκτορας (εδώ: η πίστα, τα όρια του δρόμου και τα εμπόδια).

Πράκτορας (Agent): Η αυτόνομη υπολογιστική οντότητα (π.χ. εδώ κάθε εικονικό αυτοκίνητο) που παρατηρεί το περιβάλλον μέσω αισθητήρων και επιλέγει δράσεις για την επίτευξη ενός στόχου. (Αντίληψη -> Απόφαση -> Δράση)

Τεχνητή Νοημοσύνη (Artificial Intelligence - AI): Ο κλάδος της πληροφορικής που ασχολείται με τη δημιουργία συστημάτων ικανών να εκτελούν εργασίες που απαιτούν ανθρώπινη ευφυΐα (όπως λήψη αποφάσεων, πλοήγηση και προσαρμογή). Με άλλα λόγια, ΤΝ είναι κάθε σύστημα που εκτελεί εργασίες που αν τις έκανε άνθρωπος θα απαιτούσαν ευφυΐα.

 

 

Σχόλια παρατηρήσεις

Περιμένουμε τα νέα σας

Τι άλλο θα θέλατε να δείτε;

Στείλτε τις παρατηρήσεις σας, τις προτάσεις σας και τα σχόλιά σας στο με θέμα EVO CAR.

Ελπίζουμε να απολαύσετε τις διαδρομές!|
Καλούς αγώνες!!!