Bújócskával és saját jegyzetekkel tanulnak az AgentGarten AI-ágensei
A nyílt forrású keretrendszerben az AI-k írásban örökítik tovább a bevált fogásokat, de a gyors fejlődés okait még nem választották szét.
▶ 30 MÁSODPERCBEN
- MI TÖRTÉNT
- A MirroS nyílt forrásúvá tette az AgentGartent, amelyben AI-ágensek kóddal meghatározott világokban játszanak, majd saját írásos útmutatóikkal javítják későbbi próbálkozásaikat.
- MIÉRT FONTOS
- Az AI-fejlesztők számára érdekes kísérlet összekapcsolja a látvány alapján végzett cselekvést és a tapasztalatok továbbadását, de nem bizonyítja, hogy melyik összetevő mennyit javít a teljesítményen.
- MI JÖN MOST
- A szerzők további feladatként jelölik meg a világok létrehozását programozó ágensekkel, valamint annak ellenőrzését, hogy egy adott világban érdemes-e gyakorolni.
A bújócska egyik résztvevője egy akadálypanellel torlaszolja el a bejáratot, a kereső pedig rámpát cipel a belső falhoz. Ezeket a viselkedéseket mutatja be az AgentGarten, amelyet a Pandaily beszámolója szerint a MirroS nyílt forrásúvá tett. A keretrendszerben az AI-ágensek — feladatokat végrehajtó AI-rendszerek — nemcsak játszanak: utólag áttekintik a történteket, és rövid írásos útmutatókat készítenek a következő körökhöz.
A kód őrzi a világot, az AI rajzolja a látványt
Az AgentGarten külön kezeli a világ szabályait és annak megjelenítését. Az alphaXivon ismertetett rendszerben egy jelenetprogram fut szimulátorban vagy játékmotorban: minden cselekvés után frissíti a világ állapotát, majd átadja a kamera nézőpontjából látható geometriai adatokat, például a mélységet vagy a felületek irányát. A közös neurális képgeneráló ezekből, egy megjelenési mintából, szövegből és a korábbi látványból állítja elő az ágens következő képét.
A generált képek nem módosítják visszamenőleg a játékmotor állapotát, ezért a képi hibák nem halmozódnak fel a világ működésében. Ettől még a látvány nem feltétlenül tükrözi tökéletesen a megadott állapotot. A szétválasztás célja, hogy változatos jelenetekben lehessen gyakorolni anélkül, hogy mindegyikhez külön hagyományos grafikai rendszert kellene építeni.
Öt játékból lesz a következő kör útmutatója
A bújócskakísérletben a bújók és a keresők egymást követően cselekszenek. Rövid Python-programokat adnak be, és saját nézőpontjukból kapnak generált képeket; nem férnek hozzá a tárgyak koordinátáihoz, a rejtett állapothoz vagy a másik szerep privát megfigyeléseihez. Mindkét szerep üres útmutatóval indul, majd minden ötjátékos kör után a számára hozzáférhető információkból rövid, készségeket leíró fájlokat készít, amelyeket a későbbi körök is megkapnak.
A szerzők szerint a negyedik körre menedékek, a tizedikre rámpás átkelések jelentek meg. Olyan próbálkozást is bemutatnak, amelyben a kereső egy sikertelen ugrás után közelebb viszi a rámpát a falhoz. A működő cselekvés–értékelés–útmutató ciklust a bújócska mellett négy további világban is demonstrálták.
A kevés kör még nem bizonyít hatékonyabb tanulást
Nincs olyan kontrollált vizsgálat, amely az összetevők külön kiiktatásával megmutatná, mennyit számít az előzetes betanítás, a képi megjelenítés, az utólagos értékelés vagy az örökölt útmutató. Az eredmény tehát egy működő rendszer bemutatása, nem az egyes módszerek önálló hatásának bizonyítása. A programozó ágensekkel létrehozott világok és a gyakorlásra alkalmas környezetek kiválasztása egyelőre további kutatási feladat.
TECH-SZÓTÁR
- Ágens
- Olyan AI-rendszer, amely megfigyelései alapján cselekvéseket választ egy feladat végrehajtásához.
- Neurális képgeneráló
- Neurális hálózaton alapuló rendszer, amely a kapott adatokból képet állít elő.
- Megerősítéses tanulás
- Olyan tanulási módszer, amelyben a rendszer a cselekvései után kapott jutalmak alapján alakítja a viselkedését.
» Követett téma: AI · régió: KÍNA · kulcsszó: ágensek, nyílt forráskód