As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
An AI agent in a three-dimensional virtual world sees, smells, senses temperature and detects collisions while four internal variables move in the background: satiation, hydration, body temperature and damage. Researchers led by Woo Choong-Wan at the Institute for Basic Science and Sungkyunkwan University built this survival testbed to study a new approach called interoceptive AI, which gives those internal states a role in learning and decision-making.
Um agente de IA num mundo virtual tridimensional vê, cheira, sente a temperatura e deteta colisões, enquanto quatro variáveis internas evoluem em segundo plano: saciedade, hidratação, temperatura corporal e danos. Investigadores liderados por Woo Choong-Wan, do Institute for Basic Science e da Universidade Sungkyunkwan, criaram este ambiente de teste de sobrevivência para estudar uma nova abordagem chamada IA interoceptiva, que atribui a esses estados internos um papel na aprendizagem e na tomada de decisões.
The idea starts with a familiar gap between biology and conventional AI. Living organisms adjust priorities according to what is happening inside their bodies; an external cue can mean something different to a hungry animal than to a satiated one. Most AI agents instead pursue objectives defined from outside. Robots may already detect a low battery, an overheating motor or a damaged component, but usually respond through predefined rules. Interoceptive AI treats internal conditions as continuing context, not only as faults or reward inputs.
A ideia parte de uma diferença conhecida entre a biologia e a IA convencional. Os organismos vivos ajustam as prioridades de acordo com o que acontece no seu interior; um sinal externo pode ter um significado diferente para um animal esfomeado e para um animal saciado. A maioria dos agentes de IA, pelo contrário, persegue objetivos definidos externamente. Os robôs podem já detetar uma bateria fraca, um motor sobreaquecido ou um componente danificado, mas normalmente respondem através de regras predefinidas. A IA interoceptiva trata as condições internas como um contexto contínuo, e não apenas como falhas ou entradas de recompensa.
The researchers mathematically formalized how internal and external states can remain separate while influencing one another. In EVAAA—Essential Variables in Autonomous and Adaptive Agents—agents must keep their four internal variables within viable ranges while navigating resources, obstacles, predators, changing temperatures and day-night cycles. Separate test environments introduce conditions absent from training, making adaptation to unfamiliar situations part of the evaluation.
Os investigadores formalizaram matematicamente a forma como os estados internos e externos podem permanecer separados, influenciando-se mutuamente. No EVAAA — Essential Variables in Autonomous and Adaptive Agents —, os agentes têm de manter as suas quatro variáveis internas dentro de intervalos viáveis enquanto se deslocam entre recursos, obstáculos, predadores, temperaturas variáveis e ciclos de dia e noite. Ambientes de teste separados introduzem condições ausentes do treino, tornando a adaptação a situações desconhecidas parte da avaliação.
The framework also sets up decisions that resemble animal-behavior experiments. An agent may have to choose between competing resources according to its current needs, or weigh the benefit of obtaining one against the risk of physical damage. The researchers suggest that internal states could also tune learning rates, sensitivity to information and the balance between exploring new options and exploiting known ones, while helping agents learn without overwriting earlier knowledge.
O framework também cria decisões semelhantes às utilizadas em experiências sobre o comportamento animal. Um agente pode ter de escolher entre recursos concorrentes de acordo com as suas necessidades atuais, ou ponderar o benefício de obter um recurso face ao risco de sofrer danos físicos. Os investigadores sugerem que os estados internos também poderiam regular as taxas de aprendizagem, a sensibilidade à informação e o equilíbrio entre explorar novas opções e tirar partido das já conhecidas, ajudando simultaneamente os agentes a aprender sem substituir conhecimentos anteriores.
Concretely, the immediate change is for AI and robotics researchers: they get a virtual benchmark for testing whether an agent can carry a stable internal reference from one environment to another. The work is published in Nature Machine Intelligence and presents a proposed framework and a virtual benchmark.
Concretamente, a mudança imediata destina-se aos investigadores de IA e robótica: passam a dispor de um benchmark virtual para testar se um agente consegue transportar uma referência interna estável de um ambiente para outro. O trabalho foi publicado na Nature Machine Intelligence e apresenta um framework proposto e um benchmark virtual.