Un parco giochi in continua evoluzione insegna alle IA come multitasking

Mente Profonda

DeepMind ha sviluppato un vasto parco giochi virtuale color caramella che insegna le abilità generali delle IA cambiando all'infinito i compiti che le imposta. Invece di sviluppare solo le abilità necessarie per risolvere un particolare compito, le IA imparano a sperimentare ed esplorare, acquisendo abilità che poi usano per avere successo in compiti che non hanno mai visto prima. È un piccolo passo verso l'intelligenza generale.

Che cos'è? XLand è un mondo 3D simile a un videogioco che i giocatori di IA percepiscono a colori. Il playground è gestito da un'IA centrale che imposta ai giocatori miliardi di compiti diversi modificando l'ambiente, le regole del gioco e il numero di giocatori. Sia i giocatori che il manager del playground usano l'apprendimento per rinforzo per migliorare per tentativi ed errori.

Storia correlata

Intelligenza artificiale generale: siamo vicini e ha senso provare?

Una macchina in grado di pensare come una persona è stata la visione guida della ricerca sull'IA sin dai primi giorni e rimane la sua idea più divisiva.

Durante l'allenamento, i giocatori affrontano dapprima semplici partite a un giocatore, come trovare un cubo viola o posizionare una palla gialla su un pavimento rosso. Avanzano a giochi multiplayer più complessi come nascondino o cattura la bandiera, in cui le squadre competono per essere le prime a trovare e afferrare la bandiera dell'avversario. Il gestore del playground non ha un obiettivo specifico ma mira a migliorare le capacità generali dei giocatori nel tempo.

Perché è bello? IA come AlphaZero di DeepMind hanno battuto i migliori giocatori umani del mondo a scacchi e Go. Ma possono imparare solo un gioco alla volta. Come ha detto il cofondatore di DeepMind Shane Legg quando gli ho parlato l'anno scorso, è come se dover sostituire il tuo cervello di scacchi con il tuo cervello Go ogni volta che vuoi cambiare gioco.

I ricercatori stanno ora cercando di costruire IA in grado di apprendere più compiti contemporaneamente, il che significa insegnare loro abilità generali che facilitano l'adattamento.

Avendo imparato a sperimentare, questi robot hanno improvvisato una rampa

MENTE PROFONDA

Una tendenza interessante in questa direzione è l'apprendimento aperto, in cui le IA vengono addestrate su molti compiti diversi senza un obiettivo specifico. In molti modi, questo è il modo in cui gli esseri umani e altri animali sembrano imparare, attraverso il gioco senza meta. Ma ciò richiede una grande quantità di dati. XLand genera questi dati automaticamente, sotto forma di un flusso infinito di sfide. È simile a POETA , un dojo di addestramento basato sull'intelligenza artificiale in cui i robot a due gambe imparano a superare gli ostacoli in un paesaggio 2D. Tuttavia, il mondo di XLand è molto più complesso e dettagliato.

XLand è anche un esempio di L'IA impara a farsi da sé , o quello di Jeff Clune, che ha contribuito a sviluppare POET e guida un team lavorando su questo argomento a OpenAI, chiama algoritmi di generazione di intelligenza artificiale (AI-GA). Questo lavoro spinge le frontiere degli AI-GA, afferma Clune. È molto eccitante da vedere.

Storia correlata

L'IA sta imparando a creare se stessa

Gli esseri umani hanno lottato per creare macchine veramente intelligenti. Forse dobbiamo lasciarli andare avanti da soli.

Cosa hanno imparato? Alcuni degli XLand AI di DeepMind hanno giocato 700.000 giochi diversi in 4.000 mondi diversi, affrontando 3,4 milioni di compiti unici in totale. Invece di imparare la cosa migliore da fare in ogni situazione, che è ciò che fanno la maggior parte delle IA esistenti per l'apprendimento per rinforzo, i giocatori hanno imparato a sperimentare: spostare oggetti per vedere cosa è successo o usare un oggetto come strumento per raggiungere un altro oggetto o nascondersi dietro, fino a quando non hanno completato il compito particolare.

Nei video puoi vedere le IA che lanciano oggetti in giro finché non inciampano in qualcosa di utile: una grande piastrella, ad esempio, diventa una rampa per una piattaforma. È difficile sapere con certezza se tutti questi risultati siano incidenti intenzionali o felici, affermano i ricercatori. Ma accadono costantemente.

Le IA che hanno imparato a sperimentare hanno avuto un vantaggio nella maggior parte delle attività, anche in quelle che non avevano mai visto prima. I ricercatori hanno scoperto che dopo soli 30 minuti di formazione su un nuovo compito complesso, le IA XL e si sono adattate rapidamente. Ma le IA che non avevano trascorso del tempo in XLand non potevano affatto apprendere queste attività.

nascondere