Bezgalīgi mainīgs rotaļu laukums māca AI veikt vairākus uzdevumus

DeepMind

DeepMind ir izstrādājis a plašs konfekšu krāsas virtuālais rotaļu laukums kas māca AI vispārējās prasmes, bezgalīgi mainot uzdevumus, kas tiem tiek noteikti. Tā vietā, lai attīstītu tikai konkrēta uzdevuma risināšanai nepieciešamās prasmes, AI mācās eksperimentēt un izpētīt, iegūstot prasmes, kuras viņi pēc tam izmanto, lai gūtu panākumus iepriekš neredzētos uzdevumos. Tas ir mazs solis ceļā uz vispārējo inteliģenci.

Kas tas ir? XLand ir videospēlēm līdzīga 3D pasaule, ko AI spēlētāji izjūt krāsās. Rotaļu laukumu pārvalda centrālais AI, kas spēlētājiem nosaka miljardiem dažādu uzdevumu, mainot vidi, spēles noteikumus un spēlētāju skaitu. Gan spēlētāji, gan rotaļu laukuma vadītājs izmanto pastiprināšanas mācības, lai uzlabotu situāciju, izmantojot izmēģinājumus un kļūdas.

Saistīts stāsts

Mākslīgais vispārējais intelekts: vai mēs esam tuvu un vai ir jēga mēģināt?

Mašīna, kas varētu domāt kā cilvēks, ir bijusi mākslīgā intelekta izpētes vadošā vīzija kopš seniem laikiem, un joprojām ir tās visšķautīgākā ideja.

Treniņa laikā spēlētāji vispirms saskaras ar vienkāršām viena spēlētāja spēlēm, piemēram, purpura kuba atrašanu vai dzeltenas bumbiņas novietošanu uz sarkanas grīdas. Viņi pāriet uz sarežģītākām vairāku spēlētāju spēlēm, piemēram, paslēpes vai karoga sagrābšanu, kur komandas sacenšas, lai pirmā atrastu un satvertu pretinieka karogu. Rotaļu laukuma vadītājam nav konkrēta mērķa, bet viņa mērķis ir laika gaitā uzlabot spēlētāju vispārējās spējas.

Kāpēc tas ir forši? AI, piemēram, DeepMind’s AlphaZero, ir pārspējuši pasaules labākos cilvēkus šahā un Go. Bet viņi var iemācīties tikai vienu spēli vienlaikus. Kā teica DeepMind līdzdibinātājs Šeins Legs, kad es runāju ar viņu pagājušajā gadā, tas ir līdzīgi jāmaina šaha smadzenes pret Go smadzenēm katru reizi, kad vēlaties mainīt spēles.

Pētnieki tagad mēģina izveidot AI, kas vienlaikus var apgūt vairākus uzdevumus, kas nozīmē, ka viņiem jāmāca vispārīgas prasmes, kas atvieglo pielāgošanos.

Iemācījušies eksperimentēt, šie roboti improvizēja rampu

DEEPMIND

Viena aizraujoša tendence šajā virzienā ir atvērtā mācīšanās, kurā AI tiek apmācīti daudzos dažādos uzdevumos bez konkrēta mērķa. Šķiet, ka cilvēki un citi dzīvnieki daudzējādā ziņā mācās bezmērķīgi spēlējoties. Bet tas prasa milzīgu datu apjomu. XLand šos datus ģenerē automātiski bezgalīgas izaicinājumu plūsmas veidā. Tas ir līdzīgs DZEJNIEKS AI apmācību dojo, kurā divkājainie roboti mācās pārvietoties pa šķēršļiem 2D ainavā. Tomēr XLand pasaule ir daudz sarežģītāka un detalizētāka.

XLand ir arī piemērs AI mācās izveidot sevi vai Džefs Klauns, kurš palīdzēja izstrādāt POET un vada komandu strādājot pie šīs tēmas OpenAI izsauc AI ģenerēšanas algoritmus (AI-GA). Šis darbs virza AI-GA robežas, saka Klūns. Tas ir ļoti aizraujoši redzēt.

Saistīts stāsts

AI mācās izveidot sevi

Cilvēki ir cīnījušies, lai izveidotu patiesi inteliģentas mašīnas. Varbūt mums jāļauj viņiem pašiem tikt galā.

Ko viņi iemācījās? Daži no DeepMind’s XLand AI spēlēja 700 000 dažādu spēļu 4000 dažādās pasaulēs, kopā sastopoties ar 3,4 miljoniem unikālu uzdevumu. Tā vietā, lai uzzinātu, kā vislabāk rīkoties katrā situācijā, ko dara lielākā daļa esošo pastiprināšanas-mācību AI, spēlētāji iemācījās eksperimentēt — pārvietot objektus, lai redzētu, kas noticis, vai izmantot vienu objektu kā instrumentu, lai sasniegtu citu objektu vai paslēptu. aiz - līdz viņi pārspēj konkrēto uzdevumu.

Videoklipos var redzēt, kā mākslīgie intelekti skraida objektus, līdz tie paklupa uz kaut kā noderīga: piemēram, liela flīze kļūst par uzbrauktuvi uz platformu. Ir grūti precīzi zināt, vai visi šādi iznākumi ir tīši vai laimīgi nelaimes gadījumi, saka pētnieki. Bet tie notiek pastāvīgi.

AI, kas iemācījās eksperimentēt, bija priekšrocības lielākajā daļā uzdevumu, pat tajos, kurus viņi iepriekš nebija redzējuši. Pētnieki atklāja, ka tikai pēc 30 minūšu ilgas apmācības jauna sarežģīta uzdevuma veikšanai XLand AI tam ātri pielāgojās. Bet AI, kas nebija pavadījuši laiku XLand, nemaz nevarēja apgūt šos uzdevumus.

paslēpties