211service.com
Nekonečně se měnící hřiště učí AI, jak multitasking
DeepMind
DeepMind vyvinul a obrovské bonbónové virtuální hřiště který učí AI obecné dovednosti tím, že donekonečna mění úkoly, které jim stanoví. Místo toho, aby rozvíjely pouze dovednosti potřebné k vyřešení konkrétního úkolu, AI se učí experimentovat a zkoumat, získávají dovednosti, které pak používají k úspěchu v úkolech, které nikdy předtím neviděli. Je to malý krok k obecné inteligenci.
Co je to? XLand je 3D svět podobný videohře, který hráči AI vnímají podle barev. Hřiště je řízeno centrální AI, která hráčům nastavuje miliardy různých úkolů změnou prostředí, pravidel hry a počtu hráčů. Jak hráči, tak i manažer hřiště používají posilovací učení ke zlepšení metodou pokusů a omylů.
Související příběh
Obecná umělá inteligence: Jsme si blízcí a má vůbec smysl to zkoušet? Stroj, který by mohl myslet jako člověk, byl vůdčí vizí výzkumu umělé inteligence již od prvních dnů – a zůstává jeho nejrozdílnější myšlenkou.
Během tréninku hráči nejprve čelí jednoduchým hrám pro jednoho hráče, jako je hledání fialové kostky nebo umístění žlutého míče na červenou podlahu. Postupují ke složitějším hrám pro více hráčů, jako jsou schovávaná nebo zachycení vlajky, kde týmy soutěží o to, kdo jako první najde a uchopí vlajku soupeře. Manažer hřiště nemá žádný konkrétní cíl, ale jeho cílem je zlepšit obecné schopnosti hráčů v průběhu času.
Proč je to skvělé? Umělé inteligence jako AlphaZero od DeepMind porazily nejlepší světové hráče v šachu a Go. Mohou se ale učit pouze jednu hru najednou. Jak řekl spoluzakladatel DeepMind Shane Legg, když jsem s ním loni mluvil, je to jako muset vyměnit svůj šachový mozek za mozek Go pokaždé, když chcete přepnout hru.
Výzkumníci se nyní snaží vytvořit AI, které se dokážou naučit více úkolů najednou, což znamená naučit je obecným dovednostem, které usnadní adaptaci.
Poté, co se tito roboti naučili experimentovat, zaimprovizovali rampu
HLUBOKÁ MYSLJedním ze vzrušujících trendů v tomto směru je učení s otevřeným koncem, kde se AI školí na mnoho různých úkolů bez konkrétního cíle. Zdá se, že v mnoha ohledech se lidé a jiná zvířata takto učí prostřednictvím bezcílné hry. To ale vyžaduje obrovské množství dat. XLand generuje tato data automaticky ve formě nekonečného proudu výzev. Je to podobné jako BÁSNÍK , tréninkové dojo umělé inteligence, kde se dvounozí roboti učí procházet překážkami ve 2D krajině. XLandův svět je však mnohem složitější a podrobnější.
XLand je také příkladem Umělá inteligence se učí dělat sama sebe , nebo co Jeff Clune, který pomohl vyvinout POET a vede tým práci na tomto tématu v OpenAI volá algoritmy generující AI (AI-GA). Tato práce posouvá hranice AI-GA, říká Clune. Je velmi vzrušující to vidět.
Související příběh
AI se učí, jak se tvořit Lidé se snažili vyrobit skutečně inteligentní stroje. Možná je musíme nechat, aby se s tím vypořádali sami.
co se naučili? Některé z DeepMind XLand AI hrály 700 000 různých her ve 4 000 různých světech a setkaly se celkem s 3,4 miliony jedinečných úkolů. Namísto toho, aby se hráči učili, co je nejlepší dělat v každé situaci, což je to, co dělá většina existujících posilovacích AI, se hráči naučili experimentovat – přesouvat předměty, aby viděli, co se stalo, nebo používat jeden předmět jako nástroj k dosažení jiného předmětu nebo schování. pozadu – dokud nezdolají konkrétní úkol.
Ve videích můžete vidět, jak AI odhazují předměty, dokud nenarazí na něco užitečného: z velké dlaždice se například stane rampa na plošinu. Je těžké s jistotou vědět, zda jsou všechny tyto výsledky úmyslné nebo šťastné náhody, říkají výzkumníci. Ale dějí se důsledně.
Umělá inteligence, která se naučila experimentovat, měla výhodu ve většině úkolů, dokonce i v těch, které předtím neviděly. Výzkumníci zjistili, že po pouhých 30 minutách tréninku na komplexní nový úkol se XLand AI rychle přizpůsobily. Ale umělé inteligence, které nestrávily čas v XLandu, se nemohly tyto úkoly vůbec naučit.