Игра Минецрафт (њеној историје детаљно описано Denis Koshelev) не изгледа као веома важан алат за подршку напредним истраживањима у области вештачке интелигенције. На крају крајева, да ли је важно научити машину да игра сандбок игру која је објављена пре више од 10 година? Изненадићете се, али да, а о томе сведоче и најновија истраживања ОпенАИ лабораторије која проучава развој вештачке интелигенције.
ОпенАИ увек фокусиран на достигнућа АИ и машинско учење које може користити човечанству. Компанија је недавно успешно обучила бота да игра Минецрафт користећи преко 70 сати снимака играња (то је преко 2,9 дана, или скоро 8 година, ако ништа друго). Ово достигнуће означава огроман корак напред у напредном машинском учењу помоћу посматрања и симулације.
ОпенАИ бот је одличан пример како симулационо учење (познато и као „учење под надзором“) функционише. За разлику од учења са појачањем, где је агент за учење награђен након постизања циља путем покушаја и грешака, симулација обучава неуронске мреже да обављају специфичне задатке посматрајући како их особа обавља. У овом случају, ОпенАИ је користио постојеће видео записе и туторијале како би омогућио боту да изврши сложене сценарије игре који би захтевали отприлике 24 одвојених радњи за нормалног играча.
Такође занимљиво:
Обука симулације захтева да видео подаци буду посебно означени како би пружили контекст радње и исхода, тј. АИ могао да разуме која су дугмад притиснута и који су покрети направљени. Али такав приступ може бити дуготрајан, што резултира ограниченим доступним скуповима података.
Уместо да савијају своје мишиће извођењем велике вежбе ручног обележавања података, истраживачки тим ОпенАИ је користио посебан приступ познат као Видео пре-тренинг (ВПТ) како би проширио број доступних видео записа. У почетку су истраживачи забележили 2 сати играња са коментарима Минецрафт и користио га да обучи агента да повеже одређене радње са одређеним резултатима на екрану. Добијени модел је коришћен за аутоматско генерисање етикета за 70 сати претходно необележеног Минецрафт садржаја доступног на мрежи. Ово је боту дало много већи скуп података за гледање и симулацију.
Такође занимљиво:
Ова студија показује потенцијалну вредност доступних видео репозиторијума као што су YouTube, као образовни ресурс за АИ. Научници за машинско учење могу да користе приступачне и правилно означене видео записе за обуку вештачке интелигенције за одређене задатке, од једноставне веб навигације до помоћи корисницима са физичким потребама у стварном животу.
Можете помоћи Украјини да се бори против руских освајача. Најбољи начин да то урадите је да донирате средства Оружаним снагама Украјине путем Савелифе или преко званичне странице НБУ.
Такође занимљиво: