Noul sistem de inteligență artificială al DeepMind poate învăța regulile unui joc în timp ce îl joacă

Filiala Alphabet (GOOG ) (GOOGL ), DeepMind, a dezvoltat recent un sistem de inteligență artificială capabil să învețe regulile unui joc în timp ce îl joacă. Deși DeepMind a creat modele de inteligență artificială impresionante care pot stăpâni jocuri precum șahul, shogi, go și jocuri video anterior, aceste modele trebuie să primească regulile jocului dinainte. Prin urmare, noul sistem de inteligență artificială al DeepMind reprezintă o îmbunătățire semnificativă față de algoritmii anteriori de inteligență artificială care învață să joace jocuri prin învățare prin întărire.

Sistem de inteligență artificială – MuZero

Într-un articol publicat recent în revista Nature, DeepMind a detaliat modul în care funcționează noul său sistem de inteligență artificială. Noul sistem de inteligență artificială, numit MuZero, poate învăța regulile unui joc în timp ce îl joacă, datorită unui principiu numit “căutare cu anticipare”. Așa cum a raportat Engadget, MuZero utilizează căutarea cu anticipare pentru a determina care mișcări ar trebui să fie executate pe baza celor mai probabile răspunsuri ale adversarilor.

Când ia în considerare toate mișcările posibile care pot fi făcute în jocuri precum șahul, MuZero poate prioritiza, reducând mișcările la cele mai probabile și relevante. MuZero va învăța atât din manevrele reușite, cât și din cele nereușite. În loc să modeleze toți factorii posibili, ia în considerare doar factorii care sunt cei mai relevanți pentru decizia în cauză. MuZero ia în esență mulțimea de variabile potențiale care pot fi luate în considerare și le distilează până la cele mai semnificative și impactante caracteristici. Aceste caracteristici sunt reprezentate într-un algoritm de căutare bazat pe arbori. Posibilitățile din arbore sunt combinate cu un model învățat pe baza caracteristicilor mediului de testare. Căutarea cu anticipare se efectuează după ce au fost identificate aspectele cele mai relevante ale unui mediu.

Pentru a ajunge la o decizie finală, se iau în considerare trei factori.

MuZero ia în considerare rezultatul alegerii precedente, poziția curentă pe care o ocupă și acțiunile potențiale pe care le poate întreprinde în continuare. Acest abordaj depășește abordările anterioare utilizate de DeepMind, inclusiv căutarea cu anticipare de bază și modelele bazate pe arbori. MuZero s-a dovedit a fi cel puțin la fel de bun la șah, shogi și go ca și AlphaZero, și atunci când a jucat jocul Ms. Pac-Man, MuZero a putut considera aproximativ șase sau șapte mișcări deodată. În ciuda acestei limitări, inteligența artificială a fost totuși capabilă să performeze destul de bine. DeepMind a experimentat, de asemenea, cu capacitățile MuZero, limitând numărul de simulări pe care le putea efectua înainte de a trebui să se angajeze într-o mișcare. În general, cu cât programul a avut mai mult timp pentru a considera mișcările posibile, cu atât a performant mai bine.

Principalul cercetător științific la DeepMind, David Silver, a explicat prin TechXplore că MuZero este primul model de inteligență artificială capabil să genereze propria reprezentare a regulilor unui mediu, utilizând acea reprezentare pentru a planifica acțiuni.

“Pentru prima dată, avem de fapt un sistem care este capabil să-și construiască propria înțelegere a modului în care funcționează lumea și să utilizeze acea înțelegere pentru a face acest tip de planificare cu anticipare sofisticată pe care ați văzut-o anterior pentru jocuri precum șahul,” a spus Silver. “(MuZero) poate începe de la zero și, doar prin încercare și eroare, descoperi regulile lumii și utiliza acele reguli pentru a atinge un fel de performanță supranaturală.”

Aplicații posibile

Un sistem de inteligență artificială care este capabil să învețe constrângerile unei sarcini și să opereze în cadrul acestor constrângeri are o varietate largă de aplicații posibile. MuZero ar putea fi utilizat pentru sarcini precum compresia video, care a fost istoric dificil de automatizat utilizând inteligența artificială, datorită numeroaselor formate de video și moduri de compresie posibile. MuZero a reușit să obțină o îmbunătățire a compresiei de aproximativ 5%. Acest lucru ar putea avea implicații pentru numărul mare de videoclipuri găzduite de Google și YouTube. Dincolo de videoclipuri, DeepMind explorează, de asemenea, utilizarea acelorași tehnici MuZero pentru proiectarea arhitecturii proteinelor și programarea robotică.

Conform lui Wendy Hall, profesor de științe computaționale la Universitatea din Southampton, MuZero reprezintă “un pas semnificativ înainte” pentru algoritmii de învățare prin întărire. Cu toate acestea, Hall este îngrijorat că algoritmii ar putea fi utilizați în mod greșit. De exemplu, Forțele Aeriene ale Statelor Unite au făcut deja referire la lucrări de cercetare timpurie care acoperă MuZero pentru a crea un sistem de inteligență artificială care ar putea lansa rachete de la avioanele de spionaj U-2. Acest lucru este în ciuda faptului că cercetătorii de la DeepMind și-au exprimat opoziția față de utilizarea algoritmilor lor pentru orice armă letală, semnând Lethal Autonomous Weapons Pledge pentru a argumenta că orice tehnologie letală ar trebui să rămână sub controlul uman.

David Silver a explicat că DeepMind se uită spre viitor, având ca scop dezvoltarea de algoritmi la fel de puternici și versatili ca creierul. Primul pas în crearea de algoritmi versatili și flexibili este să înțelegem ce înseamnă ca un sistem să fie inteligent, iar inteligența este legată de capacitatea de a discerne modelele și regulile unui mediu complex.