Nyt værktøj lader AI lære at gøre næsten alt på en computer

Maskiner kan snart prøve at mestre næsten alt, hvad du kan gøre på en computer.

Åbn AI , en nonprofit dedikeret til at forfølge store fremskridt inden for AI og gøre disse fremskridt frit tilgængelige for alle, har udgivet Universe, en platform, der vil lade AI-programmer lære, gennem eksperimentering og positiv belønning, hvordan man gør alle mulige ting på en computer.

Universet vil omfatte mere end tusind spil, men også desktop-programmer såsom webbrowsere. Det vil gøre det muligt for AI-forskere at træne programmer til at lave alle mulige nye tricks, herunder potentielt nyttige opgaver som at udfylde onlineformularer, svare på e-mails og opdatere regneark.



Men Ilya Sutskevar, medstifter og forskningsdirektør hos OpenAI, siger, at motivationen for at udvikle og frigive Universe er meget større. Universet vil give AI-forskere mulighed for at udvikle og teste algoritmer, der er i stand til at lære at udføre en bred vifte af opgaver - et skridt hen imod mere generelle typer af kunstig intelligens. Håbet er, at det vil føre til kunstige midler, der kan lære en bred vifte af forskellige opgaver, og derefter tage det, de har lært i én indstilling og anvende det til en anden. Sådanne kapaciteter, kendt inden for feltet som transfer learning, lover at øge kraften og anvendeligheden af ​​kunstig intelligens.

Hvis en agent klarer sig godt på Universe-opgaver, hvilket betyder, at den kan forstå, hvad den skal gøre, og gøre det som et resultat af at anvende sin forhåndsviden, så vil denne agent være væsentligt mere intelligent end noget, der eksisterer i dag, siger Sutskevar.

AI-algoritmer kan nogle gange matche eller overgå menneskelige evner, men kun inden for meget snævre domæner, såsom billedgenkendelse eller at spille et bestemt spil. De fleste algoritmer kan ikke lære at udføre mange forskellige opgaver, og de kan generelt ikke anvende det, de har lært i et domæne, til et andet.

Universe-miljøet lader AI-agenter tage skærmpixel som input og give input i form af tastaturtryk og museklik. Platformen vil være kompatibel med AI-agenter, der bruger forstærkende læring - som lærer gennem eksperimentering og positiv feedback. I tilfælde af et computerspil kan feedback være at fuldføre spillet eller afslutte et niveau.

Sutskevar, lokket væk fra Google af OpenAI sidste år, mener, at platformen vil producere fundamentale fremskridt, der er relevante for mange forskellige områder. Universets vigtigste produkt vil være algoritmer til generelle formål, der kan lære af dets store erfaring på tværs af mange domæner og anvende det på et nyt problem, siger han. Denne algoritme kunne derefter anvendes til robotteknologi, naturlig sprogbehandling og hvad der ellers måtte være.

OpenAI blev grundlagt i december 2015 med en milliard dollars bidraget fra store teknologiinvestorer, herunder Elon Musk og Sam Altman, præsidenten for Y Combinator, en velkendt Silicon Valley startup accelerator. Nonprofitorganisationen ønsker at skubbe mere AI-forskning ud i det åbne, efterhånden som den i stigende grad bliver indkapslet i store teknologivirksomheder.

Tidligere i dag annoncerede forskere fra Google DeepMind en platform, der giver AI-agenter mulighed for at lære at interagere med 3D-miljøer. Denne platform kunne tænkes at blive importeret til Universet. Et andet spilmiljø kaldet Malmo - en version af Minecraft rettet mod AI-forskere - vil blive inkluderet i Universe.

Udover mere end tusind forskellige spil, vil Universe inkludere et stort antal foruddefinerede browseropgaver, såsom at udfylde onlineformularer eller manipulere en webkalender. Denne undergruppe af opgaver, kaldet World of Bits, kunne inspirere til skabelsen af ​​en AI, der kan udføre en lang række nyttige hverdagslige gøremål, siger Sutskevar.

Greg Brockman , en anden medstifter af OpenAI, siger, at nonprofitorganisationen frigiver Universe ikke kun for at gavne det bredere AI-fællesskab, men også med håbet om, at andre vil udvide dets anvendelighed. Vi tror, ​​at ved at frigive det, vil folk være med til at accelerere platformen, siger han.

At få andre til at bygge endnu flere opgaver burde hjælpe. Succes vil ligne et datasæt, der er så rigt og mangfoldigt, at hvis du har en agent, der klarer sig godt på tværs af det, så skal den have lært noget generelt.

Det er superspændende, siger Emma Brunskill , en professor ved Carnegie Mellon University, der har specialiseret sig i forstærkningslæring. Brunskill, der til dels fokuserer på at udvikle AI-systemer til uddannelse, tvivler dog på, at Universet vil føre til en komplet generel AI. Hun siger, at et centralt tilbageværende problem er, at det involverer at lave mange fejl undervejs, og det er måske ikke altid muligt for systemer at eksperimentere som dette, især hvis de skal interagere med mennesker.

Alle domænerne [i Universet] er lidt afspærret fra samfundet, siger hun. I applikationer som uddannelse eller sundhedspleje skal [agenter] ræsonnere om, at de er høje indsatser.

For eksempel, siger Brunskill, ville det ikke være praktisk for en agent at gennem forstærkende læring finde ud af, hvordan man lærer eleverne matematik. Jeg vil ikke have, at en million elever ikke lærer brøker, siger hun.

skjule