एमआईसीआरओएसओएफटी मास्टर माइनक्राफ्ट के माध्यम से अनुकरण सीखने के लिए संघर्ष करता है

पिछले कुछ महीनों में, माइक्रोसॉफ्ट और अन्य कंपनियों ने मशीन लर्निंग पर शोध किया और एआई डेवलपर्स की टीमों को एक एआई सिस्टम बनाने के लिए चुनौती दी जो माइनक्राफ्ट खेल सकता है और गेम में एक हीरा ढूंढ सकता है। बीबीसी की रिपोर्ट के अनुसार, जबकि एआई प्लेटफॉर्म ने शतरंज और गो जैसे खेलों में अपना वर्चस्व स्थापित किया है, लेकिन माइनक्राफ्ट में एक कार्य को मास्टर करने में यह संघर्ष कर रहा है।

माइक्रोसॉफ्ट की माइनक्राफ्ट-आधारित एआई चुनौती को माइनआरएल कहा जाता था, और प्रतियोगिता के परिणाम हाल ही में न्यूरिप्स सम्मेलन में औपचारिक रूप से घोषित किए गए थे। प्रतियोगिता का उद्देश्य एक एआई को “अनुकरण सीखने” दृष्टिकोण के माध्यम से प्रशिक्षित करना था। अनुकरण सीखना एक ऐसी विधि है जिसमें एक एआई को अवलोकन के माध्यम से प्रशिक्षित किया जाता है। अनुकरण सीखने का उद्देश्य एआई प्रणालियों को मानवों द्वारा की जाने वाली क्रियाओं को देखकर सीखने देना है, अवलोकन के माध्यम से सीखने के लिए। अनुकरण सीखना, प्रतिबंध सीखने की तुलना में बहुत कम गणनात्मक रूप से महंगा और काफी अधिक कुशल तरीका है एआई को प्रशिक्षित करने के लिए।

प्रतिबंध सीखने में अक्सर कई शक्तिशाली कंप्यूटरों को नेटवर्क में जोड़ने और कार्य में प्रभावी होने के लिए सैकड़ों या हजारों घंटे का प्रशिक्षण लेने की आवश्यकता होती है। इसके विपरीत, अनुकरण सीखने के तरीके से प्रशिक्षित एक एआई को बहुत तेजी से प्रशिक्षित किया जा सकता है, क्योंकि एआई के पास पहले से ही मानव ऑपरेटरों द्वारा प्रदान की गई ज्ञान का आधार होता है।

अनुकरण सीखने के व्यावहारिक अनुप्रयोग हैं जहां एआई को प्रशिक्षित किया जा सकता है जहां एआई को सुरक्षित रूप से अन्वेषण करने की अनुमति नहीं है जब तक कि यह सही क्रियाओं का पता नहीं लगा लेता। ऐसे परिदृश्यों में स्वायत्त वाहन का प्रशिक्षण शामिल होगा, क्योंकि कार को सड़क पर घूमने की अनुमति नहीं दी जा सकती है जब तक कि यह वांछित व्यवहार सीख न ले। मानव प्रदर्शक के डेटा का उपयोग करके वाहन को प्रशिक्षित करने से प्रक्रिया तेजी से और सुरक्षित हो सकती है।

माइनक्राफ्ट में एक हीरा ढूंढने के लिए कई चरणों को क्रम में करने की आवश्यकता होती है, जैसे कि उपकरण बनाने के लिए पेड़ काटना, हीरे वाली गुफाओं का अन्वेषण करना और वास्तव में गुफा में एक हीरा ढूंढना। इस कार्य की जटिलता के बावजूद, गेम के साथ परिचित एक मानव खिलाड़ी को लगभग 20 मिनट में एक हीरा मिलना चाहिए।

प्रतियोगिता में 660 से अधिक अलग-अलग एआई एजेंट जमा किए गए थे, लेकिन एक भी एआई हीरा नहीं ढूंढ पाया। एआई को प्रशिक्षित करने के लिए प्रदान किए गए डेटा में मानव खिलाड़ियों द्वारा एकत्र किए गए 60 मिलियन से अधिक गेमप्ले फ्रेम शामिल थे। हीरे के स्थान गेम की शुरुआत में यादृच्छिक रूप से उत्पन्न होते हैं, इसलिए एआई को बस यह नहीं देखना चाहिए कि मानव खिलाड़ियों ने हीरे कहां पाए। इसका अर्थ है कि एआई को उपकरण बनाने, उपकरण का उपयोग करने, अन्वेषण करने और संसाधनों को ढूंढने जैसी अवधारणाओं के बीच संबंधों को समझने की आवश्यकता है।

हालांकि कोई भी एआई एजेंट हीरा नहीं ढूंढ पाया, लेकिन प्रतियोगिता की टीम अभी भी परिणामों से संतुष्ट थी और बहुत कुछ सीखा गया। एआई टीमों द्वारा किए गए शोध से एआई क्षेत्र में प्रगति हो सकती है, प्रतिबंध सीखने की रणनीतियों के विकल्प खोज सकती है।

प्रतिबंध सीखने में अक्सर अनुकरण सीखने पर श्रेष्ठ प्रदर्शन होता है, प्रतिबंध सीखने की एक उल्लेखनीय सफलता डीपमाइंड का अल्फागो है। हालांकि, जैसा कि पहले उल्लेख किया गया है, प्रतिबंध सीखने में बड़े पैमाने पर कंप्यूटिंग संसाधनों की आवश्यकता होती है, जो इसका उपयोग उन संगठनों द्वारा सीमित करता है जो बड़े पैमाने पर कंप्यूटर प्रोसेसर को वहन नहीं कर सकते हैं।

कार्नेगी मेलन विश्वविद्यालय में पीएचडी छात्र और प्रतियोगिता के मुख्य आयोजक विलियम गस ने बीबीसी को बताया कि माइनआरएल प्रतियोगिता का उद्देश्य कम्प्यूटेशनल रूप से भारी एआई के विकल्पों की जांच करना था। गस ने कहा:

“…समस्याओं पर बड़े पैमाने पर कंप्यूटिंग संसाधनों को फेंकना हमारे लिए क्षेत्र की स्थिति को आगे बढ़ाने का सही तरीका नहीं है … यह सीधे तौर पर इन प्रतिबंध सीखने वाली प्रणालियों तक पहुंच को लोकतांत्रिक बनाने के खिलाफ काम करता है, और जटिल वातावरण में एजेंटों को प्रशिक्षित करने की क्षमता को उन निगमों के लिए छोड़ देता है जिनके पास बड़े पैमाने पर कंप्यूटिंग संसाधन हैं। “