211service.com
Nytt verktøy lar AI lære å gjøre nesten hva som helst på en datamaskin
Maskiner kan snart prøve å mestre omtrent alt du kan gjøre på en datamaskin.
Åpne AI , en ideell organisasjon dedikert til å forfølge store fremskritt innen AI og gjøre fremgangen fritt tilgjengelig for alle, har gitt ut Universe, en plattform som lar AI-programmer lære, gjennom eksperimentering og positiv belønning, hvordan man gjør alle slags ting på en datamaskin.
Universet vil inneholde mer enn tusen spill, men også skrivebordsprogrammer som nettlesere. Det vil gjøre det mulig for AI-forskere å trene programmer til å gjøre alle slags nye triks, inkludert potensielt nyttige oppgaver som å fylle ut elektroniske skjemaer, svare på e-poster og oppdatere regneark.
Men Ilya Sutskevar, medgründer og forskningsdirektør ved OpenAI, sier at motivasjonen for å utvikle og gi ut Universe er mye større. Universet vil gi AI-forskere mulighet til å utvikle og teste algoritmer som er i stand til å lære å utføre et bredt spekter av oppgaver – et skritt mot mer generelle typer kunstig intelligens. Håpet er at det vil føre til kunstige midler som kan lære et bredt spekter av forskjellige oppgaver, og deretter ta det de har lært i én setting og bruke det til en annen. Slike evner, kjent innen feltet som overføringslæring, lover å øke kraften og nytten av kunstig intelligens.
Hvis en agent gjør det bra på Universe-oppgaver, som betyr at den kan forstå hva den trenger å gjøre, og gjøre det som et resultat av å bruke sin forkunnskap, så vil denne agenten være betydelig mer intelligent enn noe som finnes i dag, sier Sutskevar.
AI-algoritmer kan noen ganger matche eller overgå menneskelige evner, men bare innenfor svært smale domener, for eksempel bildegjenkjenning eller å spille et bestemt spill. De fleste algoritmer kan ikke lære å gjøre mange forskjellige oppgaver, og de kan vanligvis ikke bruke det de har lært i ett domene til et annet.
Universe-miljøet lar AI-agenter ta skjermpiksler som input og gi input i form av tastaturtrykk og museklikk. Plattformen vil være kompatibel med AI-agenter som bruker forsterkende læring – som lærer gjennom eksperimentering og positive tilbakemeldinger. Når det gjelder et dataspill, kan tilbakemeldingen være å fullføre spillet eller fullføre et nivå.
Sutskevar, lokket bort fra Google av OpenAI i fjor, tror plattformen vil produsere grunnleggende fremskritt som er relevant for mange forskjellige felt. Det viktigste produktet til universet vil være algoritmer for generelle formål som kan lære av sin enorme erfaring på tvers av mange domener og bruke det på et nytt problem, sier han. Denne algoritmen kan deretter brukes på robotikk, naturlig språkbehandling og hva som helst annet.
OpenAI ble grunnlagt i desember 2015 med en milliard dollar bidratt med store teknologiinvestorer, inkludert Elon Musk og Sam Altman, presidenten for Y Combinator, en velkjent Silicon Valley-oppstartsakselerator. Den ideelle organisasjonen ønsker å presse mer AI-forskning ut i det åpne, ettersom den i økende grad blir innesluttet i store teknologiselskaper.
Tidligere i dag kunngjorde forskere fra Google DeepMind en plattform som lar AI-agenter lære å samhandle med 3D-miljøer. Denne plattformen kan tenkes importert til universet. Et annet spillmiljø kalt Malmo – en versjon av Minecraft rettet mot AI-forskere – vil bli inkludert i Universe.
I tillegg til mer enn tusen forskjellige spill, vil Universe inkludere et stort antall forhåndsdefinerte nettleseroppgaver, som å fylle ut elektroniske skjemaer eller manipulere en nettkalender. Denne undergruppen av oppgaver, kalt World of Bits, kan inspirere til å lage en AI som kan gjøre et stort antall nyttige hverdagslige gjøremål, sier Sutskevar.
Greg Brockman , en annen medstifter av OpenAI, sier at den ideelle organisasjonen slipper Universe ikke bare for å være til fordel for det bredere AI-fellesskapet, men også med håp om at andre vil utvide nytten. Vi tror at ved å slippe den vil folk bidra til å akselerere plattformen, sier han.
Å la andre bygge enda flere oppgaver burde hjelpe. Suksess vil se ut som et datasett som er så rikt og mangfoldig at hvis du har en agent som gjør det bra på tvers av det, så må den ha lært noe generelt.
Det er superspennende, sier Emma Brunskill , en professor ved Carnegie Mellon University som spesialiserer seg på forsterkende læring. Brunskill, som delvis fokuserer på å utvikle AI-systemer for utdanning, tviler imidlertid på at Universe vil føre til en fullverdig generell AI. Hun sier at et viktig gjenværende problem er at det innebærer å gjøre mange feil underveis, og det er kanskje ikke alltid mulig for systemer å eksperimentere som dette, spesielt hvis de trenger å samhandle med mennesker.
Alle domenene [i universet] er litt sperret av fra samfunnet, sier hun. I applikasjoner som utdanning eller helsevesen, må [agenter] resonnere om det faktum at de er høye innsatser.
For eksempel, sier Brunskill, ville det ikke være praktisk for en agent å finne ut, gjennom forsterkende læring, hvordan de skal lære elevene matematikk. Jeg vil ikke at en million elever ikke skal lære brøker, sier hun.