211service.com
Disse virtuelle robotarmene blir smartere ved å trene hverandre
til virtuelle robotarm har lært å løse en lang rekke forskjellige gåter — stable blokker, dekke bordet, ordne sjakkbrikker — uten å måtte omskoleres for hver oppgave. Den gjorde dette ved å spille mot en andre robotarm som ble trent til å gi den vanskeligere og vanskeligere utfordringer.
Selvspill: Utviklet av forskere ved OpenAI , de identiske robotarmene – Alice og Bob – lærer ved å spille et spill mot hverandre i en simulering, uten menneskelig innspill. Robotene bruker forsterkningslæring, en teknikk der AI-er trenes ved prøving og feiling, hvilke handlinger som skal utføres i forskjellige situasjoner for å oppnå bestemte mål. Spillet går ut på å flytte objekter rundt på en virtuell bordplate. Ved å arrangere objekter på spesifikke måter, prøver Alice å sette oppgaver som er vanskelige for Bob å løse. Bob prøver å løse Alices gåter. Etter hvert som de lærer, legger Alice mer komplekse gåter og Bob blir bedre til å løse dem.
Etter å ha trent på blokkoppgaver satt av Alice, kan Bob generalisere til en rekke oppgaver, inkludert å dekke et bord og arrangere sjakkbrikker.
Multitasking: Dyplæringsmodeller må vanligvis omskoleres mellom oppgavene. For eksempel bruker AlphaZero (som også lærer ved å spille spill mot seg selv) en enkelt algoritme for å lære seg å spille sjakk, shogi og Go – men bare ett parti om gangen. Den sjakkspillende AlphaZero kan ikke spille Go og den som spiller Go kan ikke spille shogi. Å bygge maskiner som virkelig kan multitaske er et stort uløst problem veien til mer generell kunstig intelligens .
AI dojo: Et problem er at trening av en AI til å multitaske krever et stort antall eksempler. OpenAI unngår dette ved å trene Alice til å generere eksemplene for Bob, ved å bruke en AI til å trene en annen. Alice lærte å sette seg mål som å bygge et tårn av blokker, for så å plukke det opp og balansere det. Bob lærte å bruke egenskaper ved det (virtuelle) miljøet, som friksjon, for å gripe og rotere objekter.
Virtuell virkelighet: Så langt har tilnærmingen kun blitt testet i en simulering, men forskere ved OpenAI og andre steder blir stadig flinkere til å overføre modeller trent i virtuelle miljøer til fysiske. En simulering lar AI-er churne gjennom store datasett på kort tid, før de finjusteres for virkelige innstillinger.
Overordnet ambisjon: Forskerne sier at deres endelige mål er å trene en robot til å løse enhver oppgave som en person kan spørre den om. I likhet med GPT-3, en språkmodell som kan bruke språk på en rekke forskjellige måter, er disse robotarmene en del av OpenAIs overordnede ambisjon om å bygge en multitasking AI. Å bruke en AI til å trene en annen kan være en sentral del av det.