I robot Pippo di Sumo-Wrestling di OpenAI sono più intelligenti di quanto sembrino

Categoria: Non categorizzato Inserito 12 ottobre

Potrebbe essere uno sport di sangue virtuale in un futuro techno assurdo.

OpenAI, un istituto di ricerca sostenuto da Elon Musk e molti altri pezzi grossi della Silicon Valley, ha rivelato le sue ultime ricerche sullo sviluppo di forme più potenti di apprendimento automatico. E sta dimostrando la tecnologia che utilizza il wrestling di sumo virtuale.

I lottatori virtuali potrebbero sembrare leggermente ridicoli, ma stanno usando un approccio molto intelligente per imparare in un ambiente in rapida evoluzione mentre hanno a che fare con un avversario.

Gli agenti utilizzano una forma di apprendimento per rinforzo, una tecnica ispirata al modo in cui gli animali apprendono attraverso il feedback. Si è rivelato utile per addestrare i computer a giocare e controllare i robot (vedi 10 Breakthrough Technologies 2017: Reinforcement Learning).

Una grande sfida con l'utilizzo dell'apprendimento per rinforzo è che non funziona così bene in situazioni più realistiche, dove le cose sono costantemente in movimento. OpenAI ha già sviluppato il proprio algoritmo di rinforzo chiamato ottimizzazione prossimale delle politiche (PPO) , che si adatta particolarmente bene agli ambienti mutevoli.

L'ultimo lavoro, svolto in collaborazione con i ricercatori della Carnegie Mellon University e della UC Berkeley, dimostra un modo per gli agenti di intelligenza artificiale di applicare ciò che i ricercatori chiamano un framework di meta-apprendimento. Ciò significa che gli agenti possono prendere ciò che hanno già appreso e applicarlo a una nuova situazione.

All'interno dell'ambiente RoboSumo (vedi video sopra), gli agenti hanno iniziato a comportarsi in modo casuale. Attraverso migliaia di iterazioni di tentativi ed errori, hanno gradualmente sviluppato la capacità di muoversi e, infine, di combattere. Attraverso ulteriori iterazioni, i lottatori hanno sviluppato la capacità di evitarsi a vicenda e persino di mettere in discussione le proprie azioni. Questo apprendimento è avvenuto al volo, con gli agenti che si sono adattati anche se hanno lottato tra loro.

L'apprendimento flessibile è una parte molto importante dell'intelligenza umana e sarà cruciale se le macchine diventeranno in grado di svolgere qualsiasi cosa oltre a compiti molto ristretti nel mondo reale. Questo tipo di apprendimento è molto difficile da implementare nelle macchine e l'ultimo lavoro è un piccolo ma significativo passo in quella direzione.

I ricercatori hanno scoperto che utilizzando il meta-apprendimento, i loro sumo-bot potrebbero apprendere strategie efficaci più rapidamente. Quindi, anche se sembrano un po' sfortunati, non sottovalutarli.