Platform Universe OpenAI Membolehkan AI Learn by Playing Games

ai.bythebay.io: Tom Brown, Measuring AI Capabilities with OpenAI Gym & Universe (Julai 2019).

$config[ads_text] not found
Anonim

Platform Universe OpenAI Membolehkan AI Learn by Playing Games


Kami telah melihat komputer mengenali wajah, menyediakan makanan, dan juga mengalahkan datuk di catur dan Go. Tapi bagaimana dengan permainan sehari-hari seperti GTA atau SimCity?

Jack of All Trades, Master of None

Beberapa komputer pertama (seperti Colossus dan ENIAC), dapat menyelesaikan masalah dengan lebih cepat daripada sekumpulan orang yang boleh dengan tangan (walaupun bersenjata dengan kalkulator). Selama bertahun-tahun, komputer adalah alat yang besar dan mahal yang hanya beberapa individu yang cukup istimewa untuk digunakan.

Untuk membenarkan kos yang mencurigakan untuk mencipta dan mengekalkan mesin tersebut, komputer perlu melakukan kerja yang sama pentingnya atau sangat menguntungkan. Sebagai contoh, ada yang digunakan dalam situasi yang melibatkan transaksi oleh bank (seperti komputer kerangka utama). Orang lain akan mengetuk nombor untuk mencari minyak. Beberapa juga digunakan dalam tentera untuk mengira trajektori artileri dan nombor proses dari letupan atom.

Apabila masa berlalu, lebih banyak data dapat dianalisis yang menyebabkan penciptaan superkomputer. Sekarang, mesin sedemikian digunakan dalam bidang kecerdasan buatan di mana mereka dapat mengenali pola dan belajar untuk meningkatkan keupayaan mereka untuk menyelesaikan masalah. Superkomputer IBM, Watson, dapat menganalisis beratus-ratus ribu maklumat perubatan pesakit dan berjaya mengidap pesakit dengan kanser apabila doktor tidak dapat.

Watson juga pergi ke Jeopardy. Gambar ihsan dari Raysonho (CC BY 3.0)

Kecerdasan buatan menjadi industri besar dengan banyak syarikat yang berusaha untuk AI terbaik. Tetapi apakah obsesi ini dengan penyelesaian tugas tunggal yang merosakkan pembangunan AI? Komputer yang boleh mengalahkan mana-mana pemain Go hebat tetapi apa lagi yang mampu? Bolehkah ia bermain permainan lain sekarang bahawa ia menguasai Go? Bagaimana pula dengan klasik seperti Space Invaders? Sesungguhnya AI terbaik akan mempunyai keupayaan untuk memindahkan kemahiran ke dalam situasi lain.

Isu ini adalah apa Universe (OpenAI), platform perisian, bertujuan untuk menyelesaikannya.

OpenAI - Persekitaran Pembelajaran AI

OpenAI adalah makmal kecerdasan buatan yang dibiayai oleh Tesla. Ia baru-baru ini menunjukkan dunia maya yang unik yang direka untuk sistem tiruan untuk dipelajari, yang dipanggil "Universe".

Syarikat-syarikat dan kumpulan lain (seperti Google Deep Mind), telah mencipta sistem serupa di mana sistem AI dapat belajar cara bermain permainan tetapi Universe jauh lebih rumit. Alam semesta, seperti yang lain, adalah lapisan perisian yang terletak di antara AI dan aplikasi sasaran dan menggunakan pembelajaran tetulang tetapi tidak terhad kepada permainan, Alam semesta boleh digunakan untuk berinteraksi dengan mana-mana perisian dari permainan ke liputan protein.

Jadi apa yang membuat Universe berbeza dari sistem lain yang sedang berlaku? Jawapannya terletak pada apa sebenarnya AI. Ramai saintis, jurutera, dan juga pengguna laman web ini tidak boleh bersetuju dengan apa sebenarnya kecerdasan buatan. Sesetengah percaya bahawa Watson bijak sedangkan yang lain (termasuk diri saya sendiri) percaya bahawa Watson adalah sebuah komputer berasaskan Wikipedia yang sangat terkenal dengan beberapa kemahiran pengurusan pangkalan data yang bijak.

Perisikan, untuk tujuan membangunkan AI, secara umumnya difahami sebagai keupayaan untuk menghadapi masalah baru dan menghasilkan penyelesaian tanpa perlu melihat setiap penyelesaian yang mungkin . Orang secara semulajadi pintar dengan cara ini.

Pertimbangkan permainan Go. Seorang pemain akan secara tidak sengaja mengabaikan langkah-langkah tertentu berdasarkan pengalaman masa lalu. Walau bagaimanapun, program catur tidak beroperasi dengan cara ini. Sebaliknya, mereka bergantung pada keupayaan kekuatan kasar untuk melihat setiap bahagian dan membuat ramalan untuk hasil setiap langkah. Pemprosesan maklumat sedemikian, apabila digunakan untuk mempertimbangkan ramalan langkah-langkah yang tidak bijak, adalah satu pembaziran sumber yang memakan masa.

Salah satu cara untuk menyelesaikan masalah "kekerasan" ini adalah untuk mewujudkan sistem AI yang baik pada pelbagai tugas dan bukannya mengkhususkan diri dalam satu. Inilah di mana Universe OpenAI datang. Universe kini mempunyai lebih daripada 1, 000 permainan dalam koleksinya, yang membolehkan sistem AI dibentangkan dengan situasi yang tidak dikenali yang berbeza.

Permainan Go antara pemain Go profesional, Fan Hui, dan AlphaGo. Petikan dari Google DeepMind.

Jadi, untuk menyediakan antara muka untuk sistem AI, Universe menyediakan lapisan perisian yang mensimulasikan strok tetikus dan keyboard melalui Pengkomputeran Rangkaian Maya. Sistem ini kemudian mengembalikan maklumat supaya ejen AI dapat belajar melalui percubaan dan kesilapan.

Ini sejajar dengan sistem latihan "AI" yang lain, tetapi Universe mengambil langkah ini dengan lebih lanjut dengan membenarkan pembelajaran tetulang ini berlaku dengan mana-mana perisian. Ejen AI boleh melompat dari satu pakej perisian ke seterusnya untuk menghadapi cabaran baru yang tidak dikenali.

Tetapi ia tidak berakhir di sana. Pemaju berharap sistem AI akan mengambil kemahiran mereka dan menggunakannya dalam pakej perisian lain untuk menyelesaikannya lebih cepat berdasarkan pengalaman masa lalu. Satu contoh yang biasa ialah penggunaan item menu di Windows dan nama umum yang diberikan kepada pilihan menu. "Fail" biasanya dikaitkan dengan pembuatan fail baru, membuka fail lain, dan menyimpan. Tetapi pengalaman antara muka ini lebih mendalam. Siaran baru sistem operasi Windows mempunyai ciri-ciri yang serupa tetapi tidak serupa-tetapi pengguna umumnya tidak perlu membaca manual untuk memahami bahawa sistem baru berfungsi sama dengan yang lama.

Baca Lebih Lanjut

  • Letakkan Watson AI ke dalam Raspberry Pi anda dengan Platform Pembangunan Terbenam (ish) IBM
  • Permainan Papan Menunjukkan Bagaimana Sistem AI Boleh Membangunkan "Intuisi"
  • Komputer Direka untuk Mimic Manusia Otak Boleh Mencapai Sangat Pintar AI

Masa Depan Alam Semesta

Walaupun hanya permainan yang ada sekarang, rancangan jangka panjang Universe adalah untuk memasukkan banyak aplikasi perisian lain, termasuk yang melibatkan lipatan protein untuk memberikan masalah yang lebih kompleks.

Sekiranya Semesta berjaya dalam misinya, apa yang akan kelihatan AI masa depan? Sistem sedemikian mungkin berguna untuk aplikasi umum seperti automasi rumah (akhirnya memberi kita rumah masa depan dilihat dalam filem sci-fi seperti Dia ).

Sistem sedemikian juga boleh membuktikan berguna dalam senario di mana diperlukan pengasingan keputusan dan pengalaman. Satu contoh akan melibatkan senario ketenteraan seperti sistem perisai. Sistem AI boleh mendekati situasi baru dan menghasilkan penyelesaian dengan cepat, mungkin beratus-ratus kali lebih pantas daripada manusia.

Sistem perisai dalam tindakan. Gambar ihsan Tentera Laut AS. Gambar oleh Pakar Komunikasi Massa Kelas 3 Stuart Phillips.

Secara keseluruhannya, idea latihan AI dalam banyak situasi dan mendapatkan mereka untuk menyesuaikan diri dengan penyelesaian baru harus menjadi jalan ke depan. Secara berterusan mencipta superkomputer yang lebih berkuasa untuk menyelesaikan permainan dan melaksanakan tugas-tugas tertentu bukan merupakan penyelesaian apabila matlamat AI adalah untuk mewujudkan sistem yang bijak.

Walaupun sukar untuk mengatakan, Alam semesta boleh menjadi kunci untuk benar-benar membuat sistem pintar pertama yang dapat menghasilkan penyelesaian apabila dibentangkan dengan keadaan buat kali pertama.