OpenAI di Elon Musk svela un modo più semplice per l'apprendimento delle macchine

Nel 2013 una startup britannica di intelligenza artificiale chiamata DeepMind ha sorpreso gli scienziati informatici sfoggiando software in grado di imparare a giocare ai classici giochi Atari meglio di un giocatore umano esperto. DeepMind è stato presto acquisito da Google e la tecnica che ha battuto i giochi Atari, l'apprendimento per rinforzo, è diventata un argomento caldo nel campo dell'IA e della robotica. Google ha utilizzato l'apprendimento per rinforzo per creare un software che ha battuto un giocatore campione di Go l'anno scorso.

Ora OpenAI, un istituto di ricerca senza scopo di lucro cofondato e finanziato da Elon Musk, afferma di aver scoperto che un'alternativa più facile da usare all'apprendimento per rinforzo può ottenere risultati rivali quando gioca ed esegue altri compiti. Alla conferenza EmTech Digital del MIT Technology Review a San Francisco, lunedì, il direttore della ricerca di OpenAI, Ilya Sutskever, ha affermato che ciò potrebbe consentire ai ricercatori di fare progressi nell'apprendimento automatico più velocemente.

È competitivo con gli algoritmi di apprendimento per rinforzo di oggi su benchmark standard, ha affermato Sutskever. È sorprendente che qualcosa di così semplice funzioni davvero.

Il software di apprendimento automatico di OpenAI ha scoperto come giocare ai classici giochi Atari.

Sutskever sostiene che trovare nuovi modi per far sì che il software impari a fare cose come giocare a giochi per computer o guidare i robot è importante per far sì che il software di apprendimento automatico svolga compiti più complessi rispetto al semplice riconoscimento di immagini o alla trascrizione del nostro discorso. Se abbiamo dei sistemi informatici che imparano a compiere azioni complicate nel mondo, allora penso che ci sentiremmo a nostro agio nel chiamarli intelligenti, ha detto.

Sutskever e colleghi hanno testato il loro approccio, chiamate strategie evolutive , costruendo un software che ha imparato a giocare a più di 50 giochi Atari, inclusi Pong e Centipede. Poiché è più facile ampliare il nuovo metodo su più processori, in un'ora potrebbero addestrare giocatori artificiali paragonabili a quelli che hanno impiegato un giorno per produrre utilizzando un sistema di apprendimento per rinforzo pubblicato da Google DeepMind l'anno scorso. Ha mostrato la stessa capacità di apprendere cose come la necessità di emergere per aria nel gioco Seaquest (fotogramma centrale nell'animazione).

Il direttore della ricerca di OpenAI, Ilya Sutskever

Le strategie di evoluzione hanno mostrato un vantaggio simile quando sono state utilizzate per affrontare un test standard di robotica in cui il software deve capire come far camminare un umanoide in un ambiente simulato. Ci sono voluti 10 minuti per ottenere risultati che un sistema di apprendimento per rinforzo all'avanguardia avrebbe bisogno di circa 10 ore per raggiungere, affermano i ricercatori.

La tecnica è un riavvio di un'idea vecchia di decenni su come ottenere software di apprendimento per provare diverse azioni e identificare quelle più efficaci. È vagamente ispirato da come la selezione naturale induce gli organismi biologici ad adattarsi ai loro ambienti.

Un algoritmo che tutti conoscono da molto tempo funziona meglio di quanto la maggior parte delle persone pensasse, ha detto Sutskever.

Ha rifiutato di suggerire applicazioni specifiche dell'IA che potrebbero ottenere una spinta dalla tecnica delle strategie di evoluzione, dicendo che sono necessarie ulteriori ricerche sui suoi punti di forza e limiti. Ma Sutskever ha affermato che confrontare il metodo con l'apprendimento per rinforzo ha suggerito che sarebbe stato meglio imparare a svolgere compiti più complessi che richiedono più passaggi per ottenere un risultato.

Per questo motivo, ha affermato Sutskever, crede che le strategie di evoluzione aiuteranno l'obiettivo di OpenAI di creare quella che chiama intelligenza artificiale generale, un software in grado di adattarsi a molti tipi di scenari complessi.

La maggior parte dei ricercatori nell'apprendimento automatico non parla molto dell'intelligenza generale, ma persegue invece progressi su problemi specifici, spesso strettamente focalizzati. La dichiarazione di intenti di OpenAI include l'impegno a creare un'intelligenza artificiale generale. Sutskever ha affermato che il ritmo dei progressi nell'apprendimento automatico significa che vale la pena pensare all'obiettivo ora.

[Sembra] lontano in questo momento, ma [era] molto più lontano cinque anni fa, ha detto. Il numero di persone e la quantità di impegno per lo sviluppo di questi algoritmi è estremamente elevato: le cose stanno andando avanti a un ritmo molto salutare.

nascondere