Maël Donoso

A growing corpus of experimental research demonstrates that neuroimaging data can be leveraged to improve the performance of artificial intelligence models, including reinforcement learning models in robotics. However, most existing studies have focused on vision, audition, language, or reward and error signals recorded while the human brain acts as an observer. In this paper, we argue that humanoid robots, although not equivalent to humans, could offer a unique opportunity to use the neural signals associated with touch, or other embodiment-dependent neural signals. As a result, humanoid robots could significantly expand the range of brain regions and functional networks that could be targeted for brain-trained artificial intelligence, and open new horizons in terms of alignment and reasoning. We discuss the improvements that neuroimaging data could potentially unlock in the context of sensorimotor tasks, spatial navigation, sensorimotor integration, embodied alignment, embodied reasoning, and social integration, as well as the broader challenges and opportunities related to brain-trained humanoid robots.

بدنه‌ای رو‌به‌رشد از پژوهش‌های تجربی نشان می‌دهد که داده‌های تصویربرداری عصبی می‌تواند برای بهبود عملکرد مدل‌های هوش مصنوعی، از جمله مدل‌های یادگیری تقویتی در رباتیک، مورد استفاده قرار گیرد. با این حال، بیشتر مطالعات موجود بر بینایی، شنوایی، زبان یا سیگنال‌های پاداش و خطا که در حالی ثبت شده‌اند که مغز انسان به عنوان ناظر عمل می‌کند، تمرکز داشته‌اند. در این مقاله، استدلال می‌کنیم که ربات‌های انسان‌نما، اگرچه معادل انسان نیستند، می‌توانند فرصت منحصربه‌فردی برای استفاده از سیگنال‌های عصبی مرتبط با لمس یا سایر سیگنال‌های عصبی وابسته به تجسم فراهم کنند. در نتیجه، ربات‌های انسان‌نما می‌توانند دامنه نواحی مغزی و شبکه‌های عملکردی هدف برای هوش مصنوعی آموزش‌دیده با مغز را به طور قابل توجهی گسترش دهند و افق‌های جدیدی در زمینه هم‌ترازی و استدلال بگشایند. ما بهبودهایی را که داده‌های تصویربرداری عصبی می‌تواند بالقوه در زمینه وظایف حسی-حرکتی، ناوبری فضایی، یکپارچگی حسی-حرکتی، هم‌ترازی تجسم‌یافته، استدلال تجسم‌یافته و یکپارچگی اجتماعی ایجاد کند، همچنین چالش‌ها و فرصت‌های گسترده‌تر مرتبط با ربات‌های انسان‌نمای آموزش‌دیده با مغز را مورد بحث قرار می‌دهیم.