რატომ ასწავლიან მეცნიერები რობოტებს დამალვის თამაშს

ხელოვნური ზოგადი ინტელექტი, ინტელექტუალური ა.ი. აგენტი, რომელსაც შეუძლია გაიგოს და ისწავლოს ნებისმიერი ინტელექტუალური დავალება, რომლის შესრულებაც ადამიანებს შეუძლიათ, უკვე დიდი ხანია სამეცნიერო ფანტასტიკის კომპონენტია. როგორც A.I. უფრო და უფრო ჭკვიანი ხდება - განსაკუთრებით მანქანური სწავლების ხელსაწყოებში მიღწეული მიღწევებით, რომლებსაც შეუძლიათ გადაწერონ თავიანთი ახალი გამოცდილებიდან სწავლის კოდი – ის სულ უფრო ფართოდ არის რეალური ხელოვნური ინტელექტის საუბრების ნაწილი, როგორც კარგად.

მაგრამ როგორ გავზომოთ AGI, როდესაც ის ჩამოვა? წლების განმავლობაში, მკვლევარებმა გამოთქვეს მრავალი შესაძლებლობა. ყველაზე ცნობილი რჩება ტურინგის ტესტი, რომელშიც ადამიანის მოსამართლე ურთიერთქმედებს, უხილავი მხედველობით, როგორც ადამიანებთან, ასევე მანქანასთან და უნდა სცადოს და გამოიცნოს რომელია. ორი სხვა, ბენ გოერცელის რობოტი კოლეჯის სტუდენტური ტესტი და ნილს ჯ. Nilsson's Employment Test, ცდილობს პრაქტიკულად შეამოწმოს A.I.-ს შესაძლებლობები იმის დანახვით, შეუძლია თუ არა მას კოლეჯის ხარისხის მიღება ან სამუშაო ადგილზე სამუშაოების შესრულება. კიდევ ერთი, რომელსაც პირადად მე უნდა გამოვყო, ამტკიცებს, რომ ინტელექტი შეიძლება შეფასდეს Ikea-ს სტილის ბრტყელი ავეჯის უპრობლემოდ აწყობის წარმატებული შესაძლებლობით.

ერთ-ერთი ყველაზე საინტერესო AGI ღონისძიება წამოაყენა Apple-ის თანადამფუძნებელმა სტივ ვოზნიაკმა. ვოზი, როგორც მას იცნობენ მეგობრები და თაყვანისმცემლები, გვთავაზობს ყავის ტესტს. მისი თქმით, ზოგადი ინტელექტი ნიშნავს რობოტს, რომელსაც შეუძლია შევიდეს მსოფლიოს ნებისმიერ სახლში, მოძებნოს სამზარეულო, მოამზადოს ახალი ფინჯანი ყავა და შემდეგ დაასხას იგი ფინჯანში.

როგორც ყველა A.I. დაზვერვის ტესტი, შეგიძლიათ კამათი იმაზე, თუ რამდენად ფართო ან ვიწროა პარამეტრები. თუმცა, იდეა, რომ ინტელექტი უნდა იყოს დაკავშირებული რეალურ სამყაროში ნავიგაციის უნართან, დამაინტრიგებელია. ეს ასევე არის ის, რის გამოცდასაც ახალი კვლევითი პროექტი ცდილობს.

სამყაროების აშენება

„ბოლო რამდენიმე წლის განმავლობაში, A.I. საზოგადოებამ დიდი ნაბიჯები გადადგა A.I. აგენტები რთული ამოცანების შესასრულებლად. ” ლუკა ვეისიგანუცხადა Digital Trends-ს ალენის ინტელექტის ხელოვნური ინტელექტის ლაბორატორიის მკვლევარმა მეცნიერმა, რომელიც Microsoft-ის გარდაცვლილმა თანადამფუძნებელმა პოლ ალენმა დააარსა.

Weihs მოჰყავდა DeepMind-ის A.I. აგენტები, რომლებსაც შეუძლიათ ისწავლონ ითამაშეთ კლასიკური Atari თამაშები და დაამარცხა ადამიანი მოთამაშეები Go-ზე. თუმცა, ვეისმა აღნიშნა, რომ ეს ამოცანები "ხშირად მოწყვეტილია" ჩვენი სამყაროსგან. აჩვენეთ რეალური სამყაროს სურათი A.I. გაწვრთნილი Atari თამაშების სათამაშოდ და წარმოდგენა არ ექნება რას უყურებს. სწორედ აქ ალენის ინსტიტუტის მკვლევარები თვლიან, რომ მათ აქვთ რაღაცის შეთავაზება.

ალენის ინსტიტუტი A.I. ააშენა რაღაც უძრავი ქონების იმპერია. მაგრამ ეს არ არის ფიზიკური უძრავი ქონება, რამდენადაც ეს არის ვირტუალური უძრავი ქონება. მან შეიმუშავა ასობით ვირტუალური ოთახი და ბინა - მათ შორის სამზარეულოები, საძინებლები, სველი წერტილები და საცხოვრებელი ოთახები - რომლებშიც A.I. აგენტებს შეუძლიათ ათასობით ობიექტთან ურთიერთობა. ეს სივრცეები გამოირჩევა რეალისტური ფიზიკით, მრავალი აგენტის მხარდაჭერით და ისეთი მდგომარეობებითაც კი, როგორიცაა ცხელი და ცივი. ა.ი. აგენტები თამაშობენ ამ გარემოში, იდეა იმაში მდგომარეობს, რომ მათ შეუძლიათ შექმნან სამყაროს უფრო რეალისტური აღქმა.

„[ჩვენს ახალ] ნამუშევარში გვინდოდა გაგვეგო, როგორ ა.ი. აგენტებს შეეძლოთ გაეცნონ რეალისტურ გარემოს მასში ინტერაქტიული თამაშის თამაშით“, - თქვა ვეისმა. „ამ კითხვაზე პასუხის გასაცემად, ჩვენ ვავარჯიშეთ ორი აგენტი, რომ ეთამაშათ Cache, დამალვა-ძიების ვარიანტი, მაღალი ერთგულების ფარგლებში მოწინააღმდეგეების გაძლიერების სწავლის გამოყენებით. AI2-THOR გარემო. ამ გეიმპლეის საშუალებით ჩვენ აღმოვაჩინეთ, რომ ჩვენმა აგენტებმა ისწავლეს ინდივიდუალური სურათების წარმოდგენა, მეთოდების შესრულებასთან მიახლოება საჭიროებს მილიონობით ხელით მარკირებულ სურათს - და კიდევ დაიწყო ზოგიერთი კოგნიტური პრიმიტივის შემუშავება, რომელსაც ხშირად სწავლობს [განვითარების] მიერ ფსიქოლოგები."

თამაშის წესები

ჩვეულებრივი დამალვისგან განსხვავებით, Cache-ში ბოტები რიგრიგობით მალავენ ისეთ ობიექტებს, როგორიცაა ტუალეტის დგუში, პურის პური, პომიდორი და სხვა, რომელთაგან თითოეული ამაყობს საკუთარი ინდივიდუალური გეომეტრიით. ორი აგენტი - ერთი დამალული, მეორე მაძიებელი - შემდეგ ეჯიბრებიან, რომ შეძლონ თუ არა ერთმა წარმატებით დამალოს ობიექტი მეორისგან. ეს მოიცავს უამრავ გამოწვევას, მათ შორის შესწავლას და რუკებს, პერსპექტივის გაგებას, დამალვას, საგნების მანიპულირებას და ძიებას. ყველაფერი ზუსტად არის სიმულირებული, თუნდაც იმ მოთხოვნილებამდე, რომ დამალულმა შეძლოს მანიპულირება ობიექტის ხელში და არ ჩამოაგდოს იგი.

ღრმა განმტკიცების სწავლის გამოყენება — მანქანათმცოდნეობის პარადიგმა, რომელიც დაფუძნებულია ქმედებების სწავლაზე გარემო ჯილდოს მაქსიმიზაციისთვის - ბოტები უკეთესად და უკეთესად ხდებიან ობიექტების დამალვაში, ასევე ეძებენ მათ გარეთ.

”რაც ართულებს ამას A.I.-ებისთვის არის ის, რომ ისინი ვერ ხედავენ სამყაროს ისე, როგორც ჩვენ ვხედავთ”, - თქვა ვეისმა. „მილიარდობით წლიანმა ევოლუციამ განაპირობა ის, რომ ჯერ კიდევ ახალშობილებში, ჩვენი ტვინი ეფექტურად თარგმნის ფოტონებს კონცეფციებად. თავის მხრივ, ა.ი. იწყებს ნულიდან და ხედავს თავის სამყაროს, როგორც რიცხვთა უზარმაზარ ბადეს, რომლის გაშიფვრა უნდა ისწავლოს მნიშვნელობით. უფრო მეტიც, ჭადრაკისგან განსხვავებით, სადაც სამყარო 64 კვადრატშია მოთავსებული, აგენტის მიერ ნანახი ყოველი სურათი მხოლოდ ასახავს გარემოს მცირე ნაწილი და ამიტომ მან უნდა გააერთიანოს თავისი დაკვირვებები დროთა განმავლობაში, რათა ჩამოაყალიბოს თანმიმდევრული გაგება. სამყარო.”

გასაგებად რომ ვთქვათ, ეს უახლესი ნამუშევარი არ არის სუპერ ინტელექტუალური A.I. ფილმებში, როგორიცაა ტერმინატორი 2: განკითხვის დღეSkynet სუპერკომპიუტერი აღწევს თვითშემეცნებას 1997 წლის 29 აგვისტოს აღმოსავლეთის დროით ზუსტად დილის 2:14 საათზე. მიუხედავად თარიღისა, ახლა თითქმის მეოთხედი საუკუნეა ჩვენს კოლექტიური უკანა ხედვის სარკეში, ნაკლებად სავარაუდოა, რომ იყოს ასეთი ზუსტი გარდატეხის წერტილი, როდესაც რეგულარული A.I. ხდება AGI. სამაგიეროდ, უფრო და უფრო მეტი გამოთვლითი ნაყოფი - დაბალი და მაღალი დაკიდება - მოიპარება მანამ, სანამ საბოლოოდ არ მივიღებთ რაღაც განზოგადებულ ინტელექტს რამდენიმე დომენში.

რთული საქმეები მარტივია, მარტივი საქმეები რთულია

მკვლევარები ტრადიციულად მიზიდულნი არიან კომპლექსური პრობლემებისკენ A.I. გადაჭრას იმ იდეის საფუძველზე, რომ თუ რთული პრობლემების დალაგება შესაძლებელია, ადვილი არ უნდა ჩამორჩეს. თუ თქვენ შეგიძლიათ მოზარდის გადაწყვეტილების მიღების სიმულაცია, შეგიძლიათ იდეები, როგორიცაა ობიექტის მუდმივობა (იდეა, რომ ობიექტები ჯერ კიდევ არსებობს, როდესაც ჩვენ მათ ვერ ვხედავთ), რასაც ბავშვი სწავლობს მისი ცხოვრების პირველი რამდენიმე თვის განმავლობაში, ამას ნამდვილად ადასტურებს რთული? პასუხი არის დიახ - და ეს პარადოქსი, როდესაც საქმე ეხება A.I.-ს, რთული რამ ხშირად ადვილია, მარტივი კი რთული, არის ის, რისკენაც მიმართულია მსგავსი სამუშაო.

”ყველაზე გავრცელებული პარადიგმა A.I. აგენტები [მოიცავს] უზარმაზარ, ხელით ეტიკეტირებულ მონაცემთა ერთობლიობას, რომელიც ვიწროა ორიენტირებული ერთ ამოცანაზე - მაგალითად, ობიექტების ამოცნობაზე,” - თქვა ვეიჰსმა. „მიუხედავად იმისა, რომ ამ მიდგომამ დიდი წარმატება მოიპოვა, ვფიქრობ, ოპტიმისტურია იმის დაჯერება, რომ ჩვენ შეგვიძლია ხელით შევქმნათ საკმარისი მონაცემთა ნაკრები A.I-ის წარმოებისთვის. აგენტი, რომელსაც შეუძლია რეალურ სამყაროში გონივრული მოქმედება, ადამიანებთან კომუნიკაცია და ყველა სახის პრობლემის გადაჭრა, რომელიც აქამდე არ შეხვედრია. ამისათვის, მე მჯერა, რომ აგენტებს უნდა მივცეთ საშუალება, ისწავლონ ფუნდამენტური კოგნიტური პრიმიტივები, რომლებსაც ჩვენ ვთვლით თავისუფლად, მათ სამყაროსთან თავისუფლად ურთიერთობის მიცემით. ჩვენი ნამუშევარი აჩვენებს, რომ გეიმპლეის გამოყენება მოტივაციისთვის A.I. აგენტებთან ურთიერთობა და მათი სამყაროს შესწავლა იწვევს მათ სწავლას ეს პრიმიტივები - და ამით გვიჩვენებს, რომ გეიმპლეი არის პერსპექტიული მიმართულება დაშორებით ხელით აბელირებული მონაცემთა ნაკრებიდან და გამოცდილებისკენ სწავლა“.

ა ქაღალდი, რომელიც აღწერს ამ სამუშაოს წარმოდგენილი იქნება 2021 წლის მომავალ საერთაშორისო კონფერენციაზე სასწავლო რეპრეზენტაციების შესახებ.

რედაქტორების რეკომენდაციები

• ოპტიკური ილუზიები დაგვეხმარება შემდეგი თაობის ხელოვნური ინტელექტის შექმნაში
• სასაცილო ფორმულა: რატომ არის მანქანით წარმოქმნილი იუმორი A.I.-ს წმინდა გრაალი.
• წაიკითხეთ A.I.-ის საოცრად ლამაზი "სინთეზური წერილი". რომ ფიქრობს, რომ ღმერთია
• ალგორითმული არქიტექტურა: უნდა დავუშვათ A.I. შენობების დიზაინი ჩვენთვის?
• ემოციების აღმძვრელი A.I. აქ არის და ეს შეიძლება იყოს თქვენს შემდეგ სამუშაო ინტერვიუში