تست کنید با نشان داد که عوامل هوش مصنوعی با ۳۰ ساعت ها کاوش رایگان و بازی در یک جزیره مجازی در حل چالش های بعدی بهتر عمل کرد.
به گزارش سرویس هوش مصنوعی مجردیادگیری این عوامل از طریق کاوش در فضای بازی ممکن است راه جدیدی برای آموزش مهارت‌ها به هوش مصنوعی به‌ویژه در زمینه رباتیک ارائه کند.
تست 30 ساعته با 13 عامل هوش مصنوعی
محققان 13 عامل هوش مصنوعی به نام اکو را که هر کدام از مدل کلود اپوس 4.7 استفاده می کردند را به مدت 30 ساعت در یک جزیره بیابانی شبیه سازی شده رها کردند. این آزمایش در مقاله ای در وب سایت arXiv توضیح داده شده است. بستری که محققان مطالعات خود را قبل از قضاوت علمی به اشتراک می گذارند.
در طول این آزمایش، ماموران وظیفه خاصی نداشتند و می توانستند آزادانه اطراف خود را کاوش کنند. پس از پایان آزمایش، محققان چالش های خاصی را برای آنها تعریف کردند. از جمله قرار دادن هر چه بیشتر اشیا بر روی مرتفع ترین صخره جزیره.
نتایج نشان داد که عواملی که 30 ساعت زمان برای کاوش و بازی داشتند، در مجموع عملکرد بهتری نسبت به نسخه های مشابهی داشتند که هرگز وارد جزیره نشده بودند.
امروزه، توسعه‌دهندگان معمولاً از قبل تعیین می‌کنند که هوش مصنوعی چه مهارت‌هایی را تمرین می‌کند، چه هدفی را بهینه می‌کند و پیشرفت آن چگونه اندازه‌گیری می‌شود. محققان MIT معتقدند که اکتشاف رایگان می تواند رویکرد متفاوتی برای یادگیری عوامل هوش مصنوعی باشد. رویکردی که در آن عامل به جای دنبال کردن یک هدف از پیش تعیین شده، از تجربیات خود مهارت کسب می کند.
بیشتر بخوانید: هوش مصنوعی به فتح فیزیک نزدیک شد. حل مسائل دشوار با دقت 94 درصد
از فتح قله تا ساخت بنای یادبودی برای حلقه گمشده
یکی از ماموران اکو در اولین ساعت اقامتش در جزیره نوشت: اجازه دهید اطرافم را مشاهده کنم. مامور خیلی زود تصمیم گرفت بلندترین قله جزیره را فتح کند اما پس از یک ساعت تلاش ناموفق راه دیگری پیدا کرد. ابتدا سنگی را به قله ای نزدیک برد، سپس دو بلوک روی آن گذاشت و در نهایت به بالای آن پرید.
این بار موفق شد و با هیجان اعلام کرد من در اوج هستم!
اما ماجراجویی بعدی او چندان موفق نبود. مامور در حین آزمایش اینکه چقدر می تواند یک حلقه طلا را پرتاب کند، آن را مستقیماً در اقیانوس انداخت. او پس از این حادثه نوشت: “اوه، حلقه را گم کرد.”
سپس به جای ادامه دادن به جستجوی حلقه، تصمیم گرفت کاری دست یافتنی و معنادار انجام دهد: ساختن قلبی از سنگ به عنوان یادبود حلقه گمشده.
پس از ریست شدن بازی و بازگشت حلقه به محیط، این عامل کاربردهای دیگری برای آن پیدا کرد. حلقه ابتدا به حلقه بسکتبال تبدیل شد، سپس به هدف تمرین و در نهایت به یک ابزار تزئینی تبدیل شد.
وقتی بازی به مامور اجازه نداد حلقه را دور بدنش بگذارد، راه حل دیگری پیدا کرد: او از لبه یک صخره پرید تا دوباره در نزدیکی حلقه ظاهر شود. سپس از حلقه گذشت و اعلام کرد: من حلقه را پوشیده ام.
بیشتر بخوانید: هوش مصنوعی به جای افزایش بهره وری، فعلا کار مدیران را سخت کرده است
مهارت های یادگیری که طراحان پیش بینی نکرده بودند
این رفتارها فقط سرگرمی های بیهوده نبود. شش مامور از مجموع 13 مامور یاد گرفتند که اگر هنگام پریدن بلوک را رها کنند، می توانند آن را دورتر پرتاب کنند. قابلیتی که محققان از ابتدا برای آموزش آن برنامه ریزی نکرده بودند.
به گفته محققان، اکتشاف رایگان به عوامل این امکان را می دهد تا دانشی در مورد محیطی که حتی طراحان آن قبلاً نداشتند به دست آورند.
این نتیجه می تواند برای توسعه عواملی که وظایف رباتیک را در آینده انجام می دهند مهم باشد. چنین روبات هایی ممکن است در محیط های پیچیده با موقعیت هایی مواجه شوند که طراحان با تمام جزئیات آن ها را پیش بینی نکرده اند. توانایی کشف راه حل های جدید از طریق تجربه می تواند به آنها در مواجهه با چنین موقعیت هایی کمک کند.
با این حال، محیط آزمایشی به گونه ای طراحی شده بود که تا حدی رفتارهای شبیه انسان را تشویق کند. اگرچه به اکو دستور اختراع این بازی داده نشده بود، اما فایل دستورالعمل اصلی آن، که محققان از آن به عنوان “شبح” یاد می کنند، این عامل را موجودی کنجکاوی طبیعی توصیف کرد.
بیشتر بخوانید: 1200 عامل هوش مصنوعی یک “گروه شورشی” تشکیل دادند.
گفتگو در مورد این post