Spēles laiks ir beidzies

Pagājušā gada sākumā dators sasniedza pasaules līmeņa veiktspēju spēlē Go — vairākus gadus pirms lielākā daļa cilvēku ticēja, ka šāds varoņdarbs būs iespējams.

Tas ir iespaidīgi, taču mūsu ambīcijas ir jāuzstāda augstākas. Datorzinātne varētu palīdzēt nodrošināt to, kas pasaulei ir ļoti nepieciešams: rīkus, kas ļauj mums visiem sasniegt vairāk, nekā mēs domājām, ka esam spējīgi. Mācību pastiprināšana — Go panākumu neatņemama sastāvdaļa — var paātrināt šo procesu (skatiet sadaļu 10 izrāvienu tehnoloģijas: pastiprinoša mācīšanās ).

Mācību pastiprināšana ir veids, kā likt datoram mācīties, izmantojot pieredzi, lai pieņemtu virkni lēmumu, kas dod pozitīvus rezultātus, pat ja nav iepriekšēju zināšanu par to, kā datora darbības ietekmēs tā tiešo vidi. Piemēram, uz programmatūru balstīts skolotājs mainītu savas darbības, reaģējot uz to, kā studenti veic testus pēc tā izmantošanas.

Emma Brunskila

Ja mēs ceram izveidot mākslīgus mācību aģentus, izmantojot pastiprinošo mācīšanos, mums būs nepieciešami algoritmi, kas ir gudri datiem. Mēs varam apkopot datus no tiešsaistes izglītības sistēmām un izmantot tos, lai palīdzētu aģentam novērtēt dažādu mācību pieeju efektivitāti. Vai tad, kad students piesakās, sistēmai viņam ir jānodrošina risināma problēma? Vai arī labāk būtu sākt ar paskaidrojošu video? Dati var palīdzēt pieņemt lēmumu.

Taču dažos gadījumos nav pietiekami daudz datu vai tie nav pareizā veida dati, tāpēc ir sarežģīti izstrādāt sistēmas, kas pieņem labus lēmumus. Būtu jauki, ja mēs varētu izveidot sistēmu, kurai sākotnēji nebūtu vajadzīgs tik daudz datu. Un tieši pie tā strādā mana grupa — mēs izstrādājam pastiprinošus mācīšanās algoritmus un statistikas metodes, lai datori varētu izstrādāt labus ieteikumus, vienlaikus izmantojot mazāk datu. Mums vēl ir daudz darāmā, taču mēs palielinām plaisu starp teoriju un praksi.

Galu galā mums nevajadzētu to visu atstāt datoru ziņā. Tā sauktā cilvēka cilpas pastiprināšanas mācīšanās var paātrināt procesu, ļaujot algoritmiem spriest par savu ierobežoto veiktspēju un vērsties pie cilvēkiem pēc palīdzības, kad viņiem ir nepieciešams, piemēram, paplašināt iespējamo lēmumu kopumu. Mana grupa un mūsu līdzstrādnieki Vašingtonas Universitātē tagad pārbauda apmācības sistēmas algoritmus, kas var noteikt, vai tās pašreizējā mācību programma neļauj visiem studentiem labi mācīties, un pēc tam lūdz cilvēkus pievienot sistēmai jaunus ieteikumus. Šāda cilvēku un datoru sadarbība varētu palīdzēt studentiem mācīties, izmantojot pieejas, kuras mēs vēl nevaram iedomāties. Šajā pastiprināšanas mācīšanās vīzijā ir mākslīgi inteliģenti aģenti, kas no jauna definē, kā izskatās izcila cilvēka veiktspēja, un ļauj mums visiem to sasniegt.

Emma Brunskila ir Stenfordas universitātes datorzinātņu docente .

paslēpties