Psichologijos koncepcija padeda AI geriau naršyti mūsų pasaulyje

Kategorija: Dirbtinis intelektas Paskelbta liepos 17 d

Sąvoka: Kai žiūrime į kėdę, nepaisant jos formos ir spalvos, žinome, kad galime ant jos sėdėti. Kai žuvis yra vandenyje, nepaisant jos vietos, ji žino, kad gali plaukti. Tai žinoma kaip pasitenkinimo teorija – terminą sukūrė psichologas Jamesas J. Gibsonas. Jame teigiama, kad žvelgdamos į pasaulį protingos būtybės suvokia ne tik objektus ir jų santykius, bet ir jų santykius galimybės . Kitaip tariant, kėdė suteikia galimybę sėdėti. Vanduo suteikia galimybę maudytis. Teorija iš dalies galėtų paaiškinti, kodėl gyvūnų intelektas yra toks apibendrinamas – dažnai iš karto žinome, kaip bendrauti su naujais objektais, nes atpažįstame jų galimybes.

Idėja: DeepMind mokslininkai dabar naudoja šią koncepciją kurdami naujas požiūris į stiprinimo mokymąsi . Įprasto mokymosi sustiprinimo metu agentas mokosi per bandymus ir klaidas, pradedant nuo prielaidos, kad bet koks veiksmas yra įmanomas. Pavyzdžiui, robotas, besimokantis judėti iš taško A į tašką B, manys, kad gali judėti per sienas ar baldus, kol pasikartojantys gedimai parodys kitaip. Idėja yra tokia, kad jei robotas pirmiausia būtų išmokytas savo aplinkos galimybių, jis iš karto pašalintų didelę dalį nesėkmingų bandymų, kuriuos jam tektų atlikti. Tai padidintų mokymosi procesą ir padėtų jį apibendrinti įvairiose aplinkose.

Eksperimentai: Tyrėjai sukūrė paprastą virtualų scenarijų. Jie įdėjo virtualų agentą į 2D aplinką su siena viduryje ir leido agentui tyrinėti jo judesių diapazoną, kol sužinojo, ką aplinka jam leis daryti – savo galimybes. Tada tyrėjai agentui suteikė paprastų tikslų, kuriuos reikia pasiekti stiprindami mokymąsi, pavyzdžiui, perkelti tam tikrą kiekį į dešinę arba į kairę. Jie išsiaiškino, kad, palyginti su agentu, kuris neišmoko pranašumų, jis vengė bet kokių judesių, dėl kurių jį užblokuotų siena, o tai padėjo efektyviau pasiekti savo tikslą.

Kodėl tai svarbu: Darbas vis dar yra ankstyvoje stadijoje, todėl mokslininkai naudojo tik paprastą aplinką ir primityvius tikslus. Tačiau jie tikisi, kad jų pradiniai eksperimentai padės pakloti teorinį pagrindą idėją išplėsti iki daug sudėtingesnių veiksmų. Ateityje jie mato šį metodą, leidžiantį robotui greitai įvertinti, ar jis gali, tarkime, įpilti skysčio į puodelį. Sukūrus bendrą supratimą apie tai, kuriuose daiktuose galima sulaikyti skystį, o kuriuose ne, nereikės nuolat praleisti puodelio ir pilti skysčio ant viso stalo, kad išmoktų pasiekti savo tikslą.