Почему ученые учат роботов играть в прятки

Общий искусственный интеллект, идея разумного ИИ. Агент, способный понять и изучить любую интеллектуальную задачу, которую могут выполнить люди, уже давно стал компонентом научной фантастики. Как А.И. становится все умнее и умнее — особенно благодаря прорывам в инструментах машинного обучения, которые способны переписать код для обучения на новом опыте — он все чаще становится частью реальных разговоров об искусственном интеллекте, поскольку хорошо.

Но как нам измерить AGI, когда он появится? За прошедшие годы исследователи выдвинули ряд возможностей. Самым известным остается тест Тьюринга, в котором судья-человек невидимо взаимодействует как с людьми, так и с машиной, и должен попытаться угадать, что есть что. Двое других, «Тест студента робототехнического колледжа» Бена Герцеля и Нильс Дж. Тест Нильссона при трудоустройстве призван практически проверить способности ИИ, проверив, сможет ли он получить высшее образование или выполнять работу на рабочем месте. Другой, который мне лично хотелось бы не принимать во внимание, утверждает, что интеллект можно измерить по успешной способности без проблем собирать плоскую мебель в стиле Ikea.

Одну из самых интересных мер AGI предложил соучредитель Apple Стив Возняк. Воз, как его называют друзья и поклонники, предлагает кофейный тест. По его словам, общий интеллект будет означать робота, способного зайти в любой дом в мире, найти кухню, сварить чашку свежего кофе, а затем налить его в кружку.

Как и любой ИИ. тест на интеллект, вы можете спорить о том, насколько широки или узки параметры. Однако идея о том, что интеллект должен быть связан со способностью ориентироваться в реальном мире, интригует. Это также тот, который пытается проверить новый исследовательский проект.

Создание миров

«В последние несколько лет A.I. сообщество добилось огромных успехов в обучении ИИ. агенты для выполнения сложных задач», Лука Вейс- рассказал Digital Trends научный сотрудник Института искусственного интеллекта Аллена, лаборатории искусственного интеллекта, основанной покойным соучредителем Microsoft Полом Алленом.

Вейс процитировал разработку DeepMind технологии искусственного интеллекта. агенты, способные научиться играйте в классические игры Atari и побеждать игроков-людей в Го. Однако Вейс отметил, что эти задачи «часто оторваны» от нашего мира. Покажите картину реального мира ИИ. обучен играть в игры Atari, и он понятия не имеет, на что смотрит. Именно здесь исследователи Института Аллена считают, что им есть что предложить.

Алленовский институт искусственного интеллекта создал что-то вроде империи недвижимости. Но это не физическая недвижимость, а виртуальная недвижимость. Он разработал сотни виртуальных комнат и квартир, включая кухни, спальни, ванные комнаты и гостиные, в которых ИИ. агенты могут взаимодействовать с тысячами объектов. Эти пространства могут похвастаться реалистичной физикой, поддержкой нескольких агентов и даже такими состояниями, как «горячее» и «холодное». Позволяя А.И. агенты играют в такой среде, идея состоит в том, что они могут создать более реалистичное восприятие мира.

«В [нашей новой] работе мы хотели понять, как ИИ. агенты могли бы узнать о реалистичной среде, играя внутри нее в интерактивную игру», — сказал Вейс. «Чтобы ответить на этот вопрос, мы обучили двух агентов играть в «Кэш», вариант игры в прятки, используя состязательное обучение с подкреплением в рамках высокоточной игры. Среда AI2-THOR. Благодаря этому игровому процессу мы обнаружили, что наши агенты научились представлять отдельные изображения, приближаясь по производительности к методам. требующие миллионов размеченных вручную изображений, и даже начали разрабатывать некоторые когнитивные примитивы, которые часто изучают [специалисты по развитию] психологи».

Правила игры

В отличие от обычных игр в прятки, в Cache боты по очереди прячут такие объекты, как вантуз для унитаза, буханки хлеба, помидоры и многое другое, каждый из которых может похвастаться своей индивидуальной геометрией. Два агента — один прячется, другой искатель — затем соревнуются, сможет ли один успешно спрятать объект от другого. Это включает в себя ряд задач, включая исследование и картографирование, понимание перспективы, сокрытие, манипулирование объектами и поиск. Все точно смоделировано, вплоть до требования, чтобы скрывающийся мог манипулировать предметом в руке и не ронять его.

Использование глубокого обучения с подкреплением — парадигмы машинного обучения, основанной на обучении выполнять действия в среду для максимизации вознаграждения — боты все лучше и лучше прячут объекты, а также ищут их наружу.

«Что делает это таким трудным для ИИ, так это то, что они видят мир не так, как мы», — сказал Вейс. «Миллиарды лет эволюции привели к тому, что даже в младенческом возрасте наш мозг эффективно преобразует фотоны в концепции. С другой стороны, ИИ. начинает с нуля и видит свой мир как огромную сетку чисел, которые затем нужно научиться расшифровывать. Более того, в отличие от шахмат, где мир аккуратно состоит из 64 квадратов, каждое изображение, увиденное агентом, отражает только небольшой кусочек окружающей среды, и поэтому он должен интегрировать свои наблюдения во времени, чтобы сформировать последовательное понимание мир."

Чтобы внести ясность: эта последняя работа не направлена ​​на создание сверхразумного искусственного интеллекта. В таких фильмах, как Терминатор 2: Судный деньСуперкомпьютер «Скайнет» достигает самосознания ровно в 2:14 ночи по восточному времени 29 августа 1997 года. Несмотря на дату, спустя почти четверть века в нашем коллективном зеркале заднего вида, кажется маловероятным, что наступит такой точный переломный момент, когда обычный ИИ становится АГИ. Вместо этого будет собираться все больше и больше вычислительных плодов — как низко висящих, так и высоко висящих, пока мы, наконец, не получим что-то, приближающееся к обобщенному интеллекту в нескольких областях.

Сложное — легко, легкое — сложно

Исследователи традиционно тяготели к сложным проблемам искусственного интеллекта. решать, основываясь на идее, что, если сложные проблемы можно решить, легкие не должны сильно отставать. Если вы можете моделировать принятие решений взрослым, могут ли такие идеи, как постоянство объектов (идея о том, что объекты все еще существуют, когда мы их не видим), то, что ребенок учится в течение первых нескольких месяцев своей жизни, действительно доказывает, что трудный? Ответ — да, и этот парадокс заключается в том, что когда дело доходит до искусственного интеллекта, сложное часто оказывается легким, а легкое – трудным, вот на что направлена ​​подобная работа.

«Самая распространенная парадигма обучения ИИ. Агенты [предполагают] огромные, размеченные вручную наборы данных, узко ориентированные на одну задачу — например, распознавание объектов», — сказал Вейхс. «Хотя этот подход имел большой успех, я думаю, было бы оптимистично полагать, что мы сможем вручную создать достаточно наборов данных для создания искусственного интеллекта. агент, который может разумно действовать в реальном мире, общаться с людьми и решать всевозможные проблемы, с которыми он раньше не сталкивался. Я считаю, что для этого нам нужно будет позволить агентам изучить фундаментальные когнитивные примитивы, которые мы считаем само собой разумеющимися, предоставив им возможность свободно взаимодействовать со своим миром. Наша работа показывает, что использование игрового процесса для мотивации ИИ. агенты взаимодействуют и исследуют свой мир, что приводит к тому, что они начинают учиться эти примитивы — и тем самым показывает, что игровой процесс — это многообещающее направление от ручных наборов данных к экспериментальному обучение."

А документ с описанием этой работы будет представлен на предстоящей Международной конференции по обучению представлений в 2021 году.

Рекомендации редакции

• Оптические иллюзии могут помочь нам создать ИИ следующего поколения
• Забавная формула: Почему машинный юмор — это Святой Грааль искусственного интеллекта
• Прочтите устрашающе красивое «синтетическое писание» ИИ. который думает, что это Бог
• Алгоритмическая архитектура: стоит ли позволять ИИ проектировать для нас здания?
• Чувствующий эмоции искусственный интеллект здесь, и это может быть на вашем следующем собеседовании