Technika, kuri išmokė dirbtinį intelektą žaisti „Go“, vis dar negali išmokyti automobilio vairuoti

Kategorija: Dirbtinis intelektas Paskelbta sausio 15 d

Stiprinamasis mokymasis (RL), mašininio mokymosi kategorija, kuri priklauso nuo nuobaudų ir apdovanojimų, gali būti galinga technika mokant mašinas prisitaikyti prie naujos aplinkos.

„Deepmind's AlphaGo“ jį panaudojo, kad nugalėtų geriausią pasaulyje „Go“ žaidėją, nepaisant to, kad anksčiau juo nežaidė. Ji taip pat parodė pažadą kuriant robotus, kurie gali veikti besikeičiančiomis sąlygomis.

Tačiau technika turi savo apribojimų. Mašina turi suklysti, nes laikui bėgant ji lėtai tobulina savo veiksmus. Tai puiku laboratorijoje arba žaidžiant stalo žaidimą. Tai nėra ideali tokioms reikmėms kaip savarankiškai važiuojantys automobiliai, kur klaida gali būti mirtina.

Reaguodami į tai, mokslininkai sukūrė skirtingus būdus, kaip apeiti realaus pasaulio mokymo poreikį. Automobilis gali naudoti eismo duomenis, kad išmoktų vairuoti saugioje skaitmeninėje fizinio pasaulio kopijoje, pavyzdžiui, kad įveiktų klaidinimo stadiją, niekam nepakenkdamas.

Bet tai nėra tobulas sprendimas. Įrenginys vis tiek gali padaryti brangiai kainuojančių klaidų, kai susiduria su situacijomis, kurios nepatenka į jo mokymo duomenis. Vienu atveju Niujorko universiteto mokslininkai išsiaiškino, kad automobilis išmoko sukti 90 laipsnių kampu į priešpriešinį eismą (laimei, modeliavimo metu), nes jo mokymo duomenų rinkinys neapėmė tokių scenarijų. Nereikia nė sakyti, kad tai nėra naudinga norint saugiai mokyti savarankiškai vairuojantį automobilį ar, tarkime, chirurgą robotą.

Dabar dirba ta pati NYU komanda ir „Facebook“ AI tyrimų direktorius Yann Lecun siūlo naują metodą kurie galėtų įveikti šią problemą. Be to, kad automobilis buvo nubaustas ir apdovanotas už vairavimo elgesį, jie taip pat buvo nubausti už nuklydimą į scenarijus, kai jis neturi pakankamai mokymo duomenų.

Iš esmės tai verčia automobilį važiuoti atsargiau, aiškina Mikaelis Henaffas, vienas iš tyrimo autorių, o ne daryti laukinius posūkius ir kitus manevrus, dėl kurių jis stovi tiksliai nežinomoje teritorijoje.

Išbandę savo naująjį metodą, jie pastebėjo, kad tai geriau nei ankstesni metodai, leidžiantys automobiliui saugiai važiuoti intensyviame eisme. Tačiau tai vis tiek nebuvo tokia gera, kaip žmogaus veikla, todėl dar reikia nuveikti daugiau.

Ši istorija iš pradžių pasirodė mūsų AI informaciniame biuletenyje „Algoritmas“. Norėdami pirmiausia perskaityti tokias istorijas, kaip ši, gaukite „Algoritmą“ tiesiai į gautuosius. Prenumeruokite čia nemokamai.