Be galo besikeičianti žaidimų aikštelė moko AI atlikti kelias užduotis

DeepMind

DeepMind sukūrė a didžiulė saldainių spalvos virtuali žaidimų aikštelė kuri moko dirbtinio intelekto bendrųjų įgūdžių be galo keisdama užduotis, kurias jiems nustato. Užuot lavinę tik įgūdžius, reikalingus konkrečiai užduočiai išspręsti, AI išmoksta eksperimentuoti ir tyrinėti, įgyti įgūdžių, kuriuos vėliau naudoja, kad sėkmingai atliktų anksčiau nematytas užduotis. Tai mažas žingsnelis bendro intelekto link.

Kas tai? XLand yra į vaizdo žaidimus panašus 3D pasaulis, kurį dirbtinio intelekto žaidėjai jaučia spalvomis. Žaidimų aikštelę valdo centrinis AI, kuris žaidėjams nustato milijardus skirtingų užduočių, keisdamas aplinką, žaidimo taisykles ir žaidėjų skaičių. Tiek žaidėjai, tiek žaidimų aikštelės vadovas naudojasi sustiprinimo mokymusi, kad tobulėtų bandymų ir klaidų būdu.

Susijusi istorija

Bendrasis dirbtinis intelektas: ar esame artimi ir ar net prasminga bandyti?

Mašina, galinti mąstyti kaip žmogus, nuo seniausių laikų buvo pagrindinė AI tyrimų vizija ir tebėra labiausiai skaldanti idėja.

Treniruotės metu žaidėjai pirmiausia susiduria su paprastais vieno žaidėjo žaidimais, tokiais kaip purpurinio kubo radimas arba geltono kamuoliuko padėjimas ant raudonų grindų. Jie pereina į sudėtingesnius kelių žaidėjų žaidimus, tokius kaip slėptuvės arba vėliavos užfiksavimas, kur komandos varžosi, kas pirmas suras ir paims priešininko vėliavą. Žaidimų aikštelės vadovas neturi konkretaus tikslo, bet siekia laikui bėgant pagerinti bendrus žaidėjų pajėgumus.

Kodėl tai šaunu? AI, tokie kaip DeepMind's AlphaZero, įveikė geriausius pasaulio žaidėjus šachmatų ir go žaidimuose. Tačiau vienu metu jie gali išmokti tik vieną žaidimą. Kaip pasakė DeepMind vienas iš įkūrėjų Shane'as Leggas, kai kalbėjausi su juo praėjusiais metais, panašu turite pakeisti savo šachmatų smegenis į Go smegenis kiekvieną kartą, kai norite perjungti žaidimus.

Dabar mokslininkai bando sukurti dirbtinį intelektą, galintį vienu metu išmokti kelias užduotis, o tai reiškia, kad jie moko bendrųjų įgūdžių, kurie padeda lengviau prisitaikyti.

Išmokę eksperimentuoti, šie robotai improvizavo rampą

DEEPMIND

Viena įdomi tendencija šia kryptimi yra atviras mokymasis, kai dirbtinis intelektas mokomas atlikti daugybę skirtingų užduočių, neturint konkretaus tikslo. Daugeliu atžvilgių žmonės ir kiti gyvūnai taip mokosi be tikslo žaisdami. Tačiau tam reikia didžiulio duomenų kiekio. „XLand“ tuos duomenis generuoja automatiškai, begalinio iššūkių srauto pavidalu. Jis panašus į POETAS AI treniruočių dojo, kuriame dvikojai robotai mokosi įveikti kliūtis 2D kraštovaizdyje. Tačiau XLand pasaulis yra daug sudėtingesnis ir išsamesnis.

XLand taip pat yra pavyzdys AI mokosi susikurti pats , arba ką Jeffas Clune'as, kuris padėjo sukurti POET ir vadovauja komandai dirba su šia tema OpenAI iškviečia AI generuojančius algoritmus (AI-GA). Šis darbas stumia AI-GA sienas, sako Clune'as. Tai labai įdomu pamatyti.

Susijusi istorija

AI mokosi kurti save

Žmonės stengėsi sukurti tikrai protingas mašinas. Galbūt turime leisti jiems patiems susitvarkyti.

Ko jie išmoko? Kai kurie iš DeepMind's XLand AI žaidė 700 000 skirtingų žaidimų 4 000 skirtingų pasaulių, iš viso susidūrę su 3,4 milijono unikalių užduočių. Užuot išmokę, ką geriausia daryti kiekvienoje situacijoje, ką daro dauguma esamų sustiprinimo mokymosi AI, žaidėjai išmoko eksperimentuoti – judinti objektus, kad pamatytų, kas atsitiko, arba naudoti vieną objektą kaip įrankį kitam objektui pasiekti arba pasislėpti. atsilieka – kol įveiks konkrečią užduotį.

Vaizdo įrašuose galite matyti, kaip AI svaido objektus, kol užkliūva ant ko nors naudingo: pavyzdžiui, didelė plytelė tampa rampa į platformą. Sunku tiksliai žinoti, ar visi tokie padariniai yra tyčiniai, ar laimingi nelaimingi atsitikimai, sako mokslininkai. Bet jie vyksta nuolat.

AI, išmokusios eksperimentuoti, turėjo pranašumą atliekant daugumą užduočių, net ir tose, kurių anksčiau nebuvo matę. Tyrėjai išsiaiškino, kad vos po 30 minučių treniruotės atlikti sudėtingą naują užduotį, XLand AI greitai prie jos prisitaikė. Tačiau AI, kurie nebuvo praleidę laiko XLand, negalėjo išmokti šių užduočių.

paslėpti