Mange af os husker og ved, hvordan børnehaver er. Læringsrummet er fyldt med legetøj og puslespil, musik og bøger, blomster og endda nogle gange katte, hvorved de præsenterer en rig og frodig verden, som børn kan lege og lære gennem leg. Men i modsætning til, hvad folk tror, er børns leg langt fra let. De har ikke bare det sjovt - de lærer, de får en forståelse af verden. Ved at lege i et mangfoldigt og dejligt univers, plejer vi et barns mangesidede intelligens.
Hvorfor ikke undervise i AI på samme måde?
For ikke længe siden åbnede det non-profit institut OpenAI den virtuelle verden for AI at udforske og lege med. Målet med Universum-projektet er så stort som dets navn: At lære en enkelt AI at udføre enhver opgave, som en person kan udføre ved hjælp af en computer.
Ved at træne individuelle AI-agenter til at udmærke sig i forskellige opgaver i den virkelige verden, håber OpenAI at bringe os et skridt tættere på virkelig intelligente bots - med fleksible ræsonneringsevner som vi gør.
Generel niveau intelligens
Der er ingen tvivl om, at AI bliver skræmmende smart.
Salgsfremmende video:
Computere kan nu nøjagtigt se, høre og oversætte sprog, nogle gange endda foran mennesker. Lige tidligere i år, i en serie af høje profilerede go-spil, besejrede DeepMinds AlphaGo 18-tiden verdensmester Lee Sedol, ti år tidligere, end nogle eksperter forventede.
Men sandheden er, at AI'er kun er så gode som undervist. Bed AlphaGo om at spille skak, og programmet vil sandsynligvis blive forvirret på en maskinlignende måde, selvom du forklarer reglerne for det i detaljer.
Indtil videre er vores AI-systemer supereffektive heste til et trick. Undervisningsmetoden er delvis skylden: Forskere starter med en tom skifer med AI, og leder den gennem millioner af forsøg, indtil det lykkes og løser et problem. AI oplever aldrig noget andet, så hvordan ved det, hvordan man løser ethvert andet problem?
For at nå intelligensen på det generelle niveau - i stand til at bruge den erfaring, der er opnået på det menneskelige plan, til at løse nye problemer - er AI nødt til at overføre sin erfaring til at løse andre problemer. Og universet vil hjælpe dem med dette. Ved at opleve en verden fuld af forskellige scenarier, håber OpenAI-forskere, at AI vil få viden om verden og fleksible problemløsningsevner, der giver den mulighed for at "tænke" snarere end at sidde fast i en enkelt løkke for evigt.
Fagre nye verden
I sin kerne er Universe en magtfuld platform, der inkluderer tusinder af miljøer, der typisk leverer standardmetoder til træning af AI-agenter. Som en softwareplatform leverer Universe en platform til at køre en andens software, så programmer kan lære i forskellige miljøer - Atari og flashspil, applikationer og websteder, for eksempel, er allerede vedtaget.
Der vil være andre fremad.
I teorien kan universet køre enhver software på enhver computer, hvilket giver forskere mulighed for at indsætte og træne deres AI'er efter ønske. Det er som at sende et barn til en sommerlejr: Du vælger din niche, type aktivitet, venter på, at han mestrer det, derefter en anden, og så videre, tag en dukkert og gentag.
I universet interagerer AI med den virtuelle verden på samme måde som mennesker bruger en computer: Den "ser" pixels på skærmen og bruger et virtuelt tastatur og mus til at indtaste kommandoer.
Dette gøres muligt ved hjælp af Virtual Network Computing (VNC), som i det væsentlige er et skrivebordsdelingssystem, der gør det muligt at overføre tastatur- og musebevægelser fra en computer (AI) til en anden (læringsmiljø). Når miljøet ændrer sig, sender VNC opdaterede skærmbilleder tilbage til AI, så det kan tage det næste trin. VNC fungerer som AI's øjne og hænder.
Hvordan foregår træningen?
Alle AI'er, der er forbundet til universet, trænes ved hjælp af såkaldt forstærkningslæring, en kraftfuld teknik, der har ført til succes med AlphaGo. Imidlertid skjuler dette udtryk, hvordan vi mennesker træner delfiner, hunde og endda børn. Dette er læring ved prøve og fejl: vælg en handling, og hvis du er blevet belønnet for det, skal du fortsætte det gode arbejde. Hvis ikke, prøv noget andet.
I stedet for at starte med et helt tomt AI, giver forskere nogle gange dem et løft ved at lade dem “se” mennesker løse et problem. Dette gør det muligt for AI at danne et første indtryk og have en bedre forståelse af, hvordan man optimerer sine beslutninger.
Forstærkningslæring anvendes allerede i mange AI-applikationer. Inde i universet afsløres imidlertid denne teknologis kraft fuldt ud. Fordi AI kan hoppe mellem spil og applikationer, kan det tage det, det lærte i et program og let bruge det til at finde ud af det i et andet - det kaldes transfer learning eller transfer learning. Denne færdighed er ikke let at mestre, men den er vigtig på vejen til intelligente biler.
Vi bevæger os langsomt der, ifølge OpenAI: nogle af deres agenter viser allerede tegn på at skifte læring fra et kørespil til et andet.
Fra spil til beats verden
Som mange andre AI-udviklere bruger OpenAI spil til at drive universet af en grund: De måler dem simpelthen med hensyn til succes. Da spil måles ved forskellige statistikker og scoringer, kan systemet let bruge disse tal til at måle AI's fremskridt og belønne det i overensstemmelse hermed. Dette er vigtigt for styrkelse af læring.
Da universet er afhængig af pixels og tastaturer, kan mennesker også spille spil på platformen. Disse sessioner er optaget og giver en basislinje til evaluering af AI-ydeevnen (ikke et dårligt job, indrømm det).
Men spil er bare en lille del af vores interaktion med den digitale verden, og universet bevæger sig allerede ud over sine grænser med Mini World of Bits-projektet. Bits er en samling af forskellige browserinteraktioner, som vi støder på, mens vi surfer på Internettet: når vi skriver tekst eller vælger indstillinger fra rullemenuer ved at klikke på Send.
Selvom disse enkle opgaver danner grundlaget for, hvordan vi opretter forbindelse til skatten på Internettet. OpenAI ønsker, at AI bevæger sig frit på Internettet - for eksempel kan det bestille en flybillet. I et af universets miljøer giver forskere allerede AI den ønskede reservationsplan og lærer den at søge efter flyvninger på forskellige flyselskaber.
Og dette er bare begyndelsen.
Universet vokser og ekspanderer kun. Microsofts Malmo-platform, der bruger Minecraft til at træne AI, skal integreres med universet. Det populære proteinfoldningsspil fold.it, Android-apps, HTML5-spil og mere venter i kø.
Spøgelse i bilen
Så nu kan vi lære AI at spille forskellige spil og surfe på nettet. Fantastisk ting, bare tænk. Vil dette føre os til generel intelligens?
Måske vil vejen være lang.
Men en AI, der ved, hvordan man vinder ethvert spil, du kaster på det, kan kun tænke logisk og opnå sejr i et par trin. En AI, der kan navigere i den kaotiske verden af GTA V, skal allerede forstå det grundlæggende i fysisk fysik, vold og gengældelse i den virkelige verden. En AI, der kan arbejde på Internettet, ved allerede, hvordan folk normalt kommunikerer med hinanden og kan bruge denne viden til at få information, skabe sin egen webidentitet eller endda se nærmere på din.
Hver dag lærer vi, spiller, arbejder og vokser i den digitale verden. For mange er verdenen af nuller og nuller lige så reel som den, vi blev født i. Nu hvor AI har adgang til denne digitale verden, er det sin tur til at vokse. Lad os se, hvor langt han kan gå.
ILYA KHEL