الذكاء الاصطناعي في منافسة لتعلم لغة الآلة في منافسة ماين كرافت

وفقًا لما ذكرته نيتشر ، منافسة جديدة للذكاء الاصطناعي ست发生 قريباً ، وهي منافسة MineRL ، والتي ستشجع مهندسي ومبرمجي الذكاء الاصطناعي على إنشاء برامج قادرة على التعلم من خلال الملاحظة وال مثال. ستكون حالة الاختبار لهذه الأنظمة الذكية هي لعبة الفيديو الشهيرة ماين كرافت.

لقد شهدت أنظمة الذكاء الاصطناعي بعض الإنجازات المذهلة مؤخرًا عندما يتعلق الأمر بألعاب الفيديو. للتو ، هزمت الذكاء الاصطناعي أفضل اللاعبين في العالم في لعبة الاستراتيجية ستار كرافت 2. ومع ذلك ، فإن ستار كرافت 2 لها أهداف محددة يمكن كسرها بسهولة إلى خطوات متسلسلة التي يمكن للذكاء الاصطناعي استخدامها للتدريب. ومهمة أكثر صعوبة هي تعلم الذكاء الاصطناعي كيفية التنقل في لعبة العالم المفتوح مثل ماين كرافت. يهدف الباحثون إلى مساعدة برامج الذكاء الاصطناعي على التعلم من خلال الملاحظة والمثال ، وإذا نجحوا ، يمكنهم تقليل بشكل كبير كمية الطاقة العقلية اللازمة لتدريب برنامج الذكاء الاصطناعي.

سيتمتع المشاركون في المنافسة بفترة أربعة أيام لإنشاء الذكاء الاصطناعي الذي سيتم اختباره مع ماين كرافت ، مع أخذ ما يصل إلى 8 ملايين خطوة للتدريب. هدف الذكاء الاصطناعي هو العثور على الماس داخل اللعبة عن طريق الحفر. ثمانية ملايين خطوة من التدريب هي فترة زمنية أقصر بكثير من الوقت اللازم لتدريب نماذج الذكاء الاصطناعي القوية هذه الأيام ، لذلك يحتاج المشاركون في المنافسة إلى هندسة أساليب تتحسن بشكل كبير على أساليب التدريب الحالية.

تعتمد الأساليب التي يستخدمها المشاركون على نوع من التعلم يسمى التعلم بالتقليد. يتناقض التعلم بالتقليد مع التعلم بالتعزيز ، وهو أسلوب شائع لتدريب الأنظمة المتقدمة مثل أذرع الروبوت في المصانع أو الذكاء الاصطناعي القادر على هزيمة أفضل اللاعبين في ستار كرافت 2. العيب الرئيسي للخوارزميات التعلم بالتعزيز هو حقيقة أنهم يحتاجون إلى كمية هائلة من طاقة المعالجة لتدريبهم ، معتمدين على مئات أو حتى آلاف الكمبيوترات المرتبطة لتعلمها. بالمقارنة ، التعلم بالتقليد هو أسلوب أكثر كفاءة وأقل تكلفة حسابيًا لتدريب الذكاء الاصطناعي. تحاول خوارزميات التعلم بالتقليد تقليدها لكيفية تعلم البشر من خلال الملاحظة.

أوضح ويليام جوس ، مرشح دكتوراه في نظرية التعلم العميق في جامعة كارنيغي ميلون ، لنيتشر أن الحصول على الذكاء الاصطناعي لاستكشاف وتعلم الأنماط في بيئة معينة هو مهمة صعبة للغاية ، ولكن التعلم بالتقليد يوفر للذكاء الاصطناعي قاعدة معرفية ، أو افتراضات سابقة جيدة ، حول البيئة. يمكن أن يجعل هذا التدريب أسرع بكثير مقارنة بالتعلم بالتعزيز.

تخدم ماين كرافت كبيئة تدريب مفيدة لعدة أسباب. أحد الأسباب هو أن ماين كرافت يسمح للاعبين باستخدام كتل بناء بسيطة لإنشاء هياكل وآلات معقدة ، والكثير من الخطوات اللازمة لإنشاء هذه الهياكل تعمل كمراقب قابل للقياس يمكن للباحثين استخدامه كأداة قياس. ماين كرافت أيضًا非常 شعبية ، وبالتالي من السهل نسبيًا جمع بيانات التدريب. قام منظموا منافسة MineRL بتجنيد العديد من لاعبي ماين كرافت لإظهار مجموعة من المهام مثل إنشاء أدوات وكسر الكتل. من خلال توليد البيانات عن طريق الحشد ، تمكن الباحثون من التقاط 60 مليون مثال للإجراءات التي يمكن اتخاذها في اللعبة. قدم الباحثون حوالي 1000 ساعة من الفيديو لفريق المنافسة.

استخدم المعرفة التي بناها البشر ، يقول روهين شاه ، مرشح دكتوراه في علوم الكمبيوتر بجامعة كاليفورنيا ، بيركلي ، لنيتشر ، من المحتمل أن تكون هذه المنافسة الأولى التي تركز على استخدام المعرفة التي أنتجها البشر بالفعل لتسريع تدريب الذكاء الاصطناعي.

يأمل جوس والباحثون الآخرون أن المنافسة قد تؤدي إلى نتائج ذات عواقب تتجاوز ماين كرافت ، مما يؤدي إلى خوارزميات تعلم أفضل بالتقليد ، وتحفيز المزيد من الناس على النظر في التعلم بالتقليد كشكل صالح من أشكال تدريب الذكاء الاصطناعي. يمكن أن تساعد الأبحاث على إنشاء الذكاء الاصطناعي الذي يمكنه التفاعل بشكل أفضل مع الناس في بيئات معقدة ومتغيرة.