Քաղաք Minecraft (նրա պատմությունը մանրամասն նկարագրված Denis Koshelev) կարծես թե այնքան էլ կարևոր գործիք չէ արհեստական ինտելեկտի ոլորտում առաջադեմ հետազոտություններին աջակցելու համար: Ի վերջո, կարևո՞ր է մեքենան սովորեցնել խաղալ Sandbox խաղ, որը թողարկվել է ավելի քան 10 տարի առաջ: Դուք կզարմանաք, բայց այո, և դա է վկայում OpenAI լաբորատորիայի վերջին հետազոտությունը, որն ուսումնասիրում է արհեստական ինտելեկտի զարգացումը։
OpenAI միշտ կենտրոնացած ձեռքբերումների վրա AI և մեքենայական ուսուցում, որը կարող է օգտակար լինել մարդկությանը: Ընկերությունը վերջերս հաջողությամբ վարժեցրեց բոտին՝ Minecraft խաղալու համար՝ օգտագործելով ավելի քան 70 ժամ խաղային կադրեր (դա ավելի քան 2,9 օր է, կամ գրեթե 8 տարի, եթե որևէ բան կա): Այս նվաճումը նշանավորում է հսկա առաջընթաց առաջադեմ մեքենայական ուսուցման մեջ՝ օգտագործելով դիտարկումը և մոդելավորումը:
OpenAI բոտը հիանալի օրինակ է այն բանի, թե ինչպես է աշխատում սիմուլյացիոն ուսուցումը (նաև հայտնի է որպես «վերահսկվող ուսուցում»: Ի տարբերություն ամրապնդման ուսուցման, որտեղ ուսուցման գործակալը պարգևատրվում է փորձության և սխալի միջոցով նպատակին հասնելուց հետո, սիմուլյացիան վարժեցնում է նեյրոնային ցանցերը հատուկ առաջադրանքներ կատարելու համար՝ դիտարկելով, թե ինչպես է մարդը կատարում դրանք: Այս դեպքում, OpenAI-ն օգտագործեց գոյություն ունեցող խաղի տեսահոլովակներ և ձեռնարկներ, որպեսզի բոտին հնարավորություն ընձեռվի կատարել խաղի բարդ սցենարներ, որոնք սովորական խաղացողի համար կպահանջեին մոտավորապես 24 առանձին գործողություններ:
Հետաքրքիր է նաև.
Իմիտացիոն ուսուցումը պահանջում է, որ տեսանյութի տվյալները հատուկ պիտակավորված լինեն՝ տրամադրելու գործողության և արդյունքի համատեքստը, այսինքն. AI կարող էր հասկանալ, թե որ կոճակներն են սեղմվել և ինչ շարժումներ են արվել։ Սակայն նման մոտեցումը կարող է ժամանակատար լինել, ինչը հանգեցնում է տվյալների սահմանափակ հասանելիության:
Իրենց մկանները ճկելու փոխարեն՝ կատարելով ձեռքով տվյալների պիտակավորման լայնածավալ վարժություն, OpenAI հետազոտական թիմը օգտագործեց հատուկ մոտեցում, որը հայտնի է որպես Video Pre-Training (VPT)՝ հասանելի տեսանյութերի քանակը ընդլայնելու համար: Սկզբում հետազոտողները գրանցել են 2 ժամ ծանոթագրված խաղ Minecraft և օգտագործել այն՝ գործակալին սովորեցնելու համար, որ որոշակի գործողություններ կապեն էկրանի վրա հատուկ արդյունքների հետ: Արդյունքում ստացված մոդելն օգտագործվել է 70 ժամվա ընթացքում պիտակներ ստեղծելու համար, որը նախկինում պիտակավորված չէ Minecraft-ի բովանդակության համար, որը հասանելի է առցանց: Սա բոտին տվեց շատ ավելի մեծ տվյալների բազա՝ նայելու և մոդելավորելու համար:
Հետաքրքիր է նաև.
Այս ուսումնասիրությունը ցույց է տալիս հասանելի վիդեո պահոցների պոտենցիալ արժեքը, ինչպիսիք են YouTube, որպես AI-ի կրթական ռեսուրս: Մեքենայական ուսուցման գիտնականները կարող են օգտագործել մատչելի և պատշաճ կերպով պիտակավորված տեսանյութեր՝ ինտելեկտը հատուկ առաջադրանքների վրա վարժեցնելու համար՝ սկսած պարզ վեբ նավիգացիայից մինչև իրական կյանքում ֆիզիկական կարիքներ ունեցող օգտատերերին օգնելը:
Դուք կարող եք օգնել Ուկրաինային պայքարել ռուս զավթիչների դեմ։ Դա անելու լավագույն միջոցը Ուկրաինայի զինված ուժերին միջոցների նվիրաբերումն է Savelife կամ պաշտոնական էջի միջոցով NBU.
Հետաքրքիր է նաև.