Игра Minecraft (неа историја детално опишани Denis Koshelev) се чини дека не е многу важна алатка за поддршка на напредните истражувања во областа на вештачката интелигенција. На крајот на краиштата, дали е важно да се научи машината да игра игра со песок што беше објавена пред повеќе од 10 години? Ќе се изненадите, но да, а за тоа сведочи и најновото истражување на лабораторијата OpenAI, која го проучува развојот на вештачката интелигенција.
OpenAI секогаш фокусиран на достигнувањата ВИ и машинско учење што може да биде од корист за човештвото. Компанијата неодамна успешно обучи бот да игра Minecraft користејќи преку 70 часа снимки од игра (тоа е преку 2,9 дена или речиси 8 години, ако ништо друго). Ова достигнување означува огромен чекор напред во напредното машинско учење со користење на набљудување и симулација.
Ботот OpenAI е одличен пример за тоа како функционира симулационото учење (исто така познато како „надгледувано учење“). За разлика од зајакнувачкото учење, каде што агентот за учење се наградува по постигнување на целта преку обиди и грешки, симулацијата ги обучува невронските мрежи да извршуваат специфични задачи со набљудување како личноста ги извршува. Во овој случај, OpenAI користеше постојни видеа и упатства за играње за да му овозможи на ботот да извршува сложени сценарија на игра за кои би биле потребни приближно 24 посебни дејства за нормален играч.
Исто така интересно:
Учењето со имитација бара податоците од видеото да бидат специјално означени за да се обезбеди контекстот на дејството и исходот, т.е. ВИ можеше да разбере кои копчиња се притиснати и кои движења се направени. Но, таквиот пристап може да одземе време, што резултира со ограничени достапни збирки на податоци.
Наместо да ги свиткаат своите мускули со изведување на голема вежба за рачно означување на податоци, истражувачкиот тим OpenAI користеше посебен пристап познат како Видео пред-тренинг (VPT) за да го прошири бројот на достапни видеа. Првично, истражувачите снимиле 2 часа нотирана игра Minecraft и го искористи за да го обучи агентот да поврзе одредени дејства со конкретни резултати на екранот. Добиениот модел беше искористен за автоматско генерирање на етикети за 70 часа претходно неетикетирана содржина на Minecraft достапна на интернет. Ова му даде на ботот многу поголема база на податоци за гледање и симулирање.
Исто така интересно:
Оваа студија ја покажува потенцијалната вредност на достапните видео складишта како што се YouTube, како едукативен ресурс за ВИ. Научниците за машинско учење можат да користат достапни и соодветно означени видеа за да тренираат вештачка интелигенција за одредени задачи, од едноставна веб-навигација до помагање на корисниците со физички потреби во реалниот живот.
Можете да и помогнете на Украина да се бори против руските напаѓачи. Најдобар начин да го направите ова е да донирате средства за вооружените сили на Украина преку Савелифе или преку официјалната страница Bвезди.
Исто така интересно: