Žaidimas minecraft (ji istorija detaliai aprašyta Denis Koshelev) neatrodo labai svarbi priemonė pažangiems moksliniams tyrimams dirbtinio intelekto srityje remti. Galų gale, ar svarbu išmokyti mašiną žaisti smėlio dėžės žaidimą, kuris buvo išleistas daugiau nei prieš 10 metų? Nustebsite, bet taip, ir tai liudija naujausi OpenAI laboratorijos tyrimai, tiriantys dirbtinio intelekto vystymąsi.
OpenAI visada orientuotas į pasiekimus AI ir mašininis mokymasis, kuris gali būti naudingas žmonijai. Bendrovė neseniai sėkmingai išmokė robotą žaisti „Minecraft“, naudodama daugiau nei 70 2,9 valandų žaidimo filmuotos medžiagos (tai yra daugiau nei 8 XNUMX dienų arba beveik XNUMX metus, jei ką). Šis pasiekimas žymi milžinišką žingsnį į priekį pažangaus mašininio mokymosi naudojant stebėjimą ir modeliavimą srityje.
OpenAI robotas yra puikus pavyzdys, kaip veikia simuliacinis mokymasis (taip pat žinomas kaip „prižiūrimas mokymasis“). Skirtingai nuo mokymosi sustiprinimo, kai mokymosi agentas yra apdovanojamas pasiekęs tikslą per bandymus ir klaidas, modeliavimas apmoko neuroninius tinklus atlikti konkrečias užduotis stebint, kaip žmogus jas atlieka. Šiuo atveju OpenAI naudojo esamus žaidimo vaizdo įrašus ir mokymo programas, kad robotas galėtų vykdyti sudėtingus žaidimo scenarijus, kuriems įprastam žaidėjui būtų reikėję atlikti maždaug 24 XNUMX atskirų veiksmų.
Taip pat įdomu:
Imitacijos mokymasis reikalauja, kad vaizdo įrašo duomenys būtų specialiai pažymėti, kad būtų pateiktas veiksmo ir rezultato kontekstas, t. y. AI galėjo suprasti, kurie mygtukai buvo paspausti ir kokie judesiai daromi. Tačiau toks metodas gali užtrukti daug laiko, todėl galimi riboti duomenų rinkiniai.
Užuot lankstę savo raumenis atlikdami didelio masto rankinį duomenų žymėjimo pratimą, OpenAI tyrimų komanda naudojo specialų metodą, vadinamą vaizdo įrašų išankstiniu mokymu (VPT), kad padidintų galimų vaizdo įrašų skaičių. Iš pradžių mokslininkai užfiksavo 2 valandų žaidimo su komentarais minecraft ir naudojo jį mokydamas agentą susieti tam tikrus veiksmus su konkrečiais rezultatais ekrane. Gautas modelis buvo naudojamas automatiškai generuoti etiketes 70 XNUMX valandų anksčiau nepažymėto „Minecraft“ turinio, pasiekiamo internete. Tai suteikė robotui daug didesnį duomenų rinkinį, kurį galima peržiūrėti ir imituoti.
Taip pat įdomu:
Šis tyrimas parodo galimą prieinamų vaizdo įrašų saugyklų, tokių kaip YouTube, kaip mokomąjį AI šaltinį. Mašininio mokymosi mokslininkai gali naudoti prieinamus ir tinkamai pažymėtus vaizdo įrašus, kad mokytų dirbtinį intelektą atlikti konkrečias užduotis – nuo paprastos žiniatinklio naršymo iki pagalbos naudotojams, turintiems fizinių poreikių realiame gyvenime.
Jūs galite padėti Ukrainai kovoti su Rusijos įsibrovėliais. Geriausias būdas tai padaryti – aukoti lėšas Ukrainos ginkluotosioms pajėgoms per Išgelbėk gyvybę arba per oficialų puslapį NBU.
Taip pat įdomu: