211service.com
Nytt verktyg låter AI lära sig att göra nästan vad som helst på en dator
Maskiner kan snart försöka bemästra nästan allt du kan göra på en dator.
Öppna AI , en ideell organisation dedikerad till att sträva efter stora framsteg inom AI och göra dessa framsteg fritt tillgängliga för alla, har släppt Universe, en plattform som låter AI-program lära sig, genom experiment och positiv belöning, hur man gör alla möjliga saker på en dator.
Universum kommer att innehålla mer än tusen spel, men även stationära program som webbläsare. Det kommer att göra det möjligt för AI-forskare att träna program för att göra alla möjliga nya knep, inklusive potentiellt användbara uppgifter som att fylla i onlineformulär, svara på e-postmeddelanden och uppdatera kalkylblad.
Men Ilya Sutskevar, medgrundare och forskningschef på OpenAI, säger att motivationen för att utveckla och släppa Universe är mycket större. Universum kommer att ge möjlighet för AI-forskare att utveckla och testa algoritmer som kan lära sig att utföra ett brett spektrum av uppgifter – ett steg mot mer allmänna typer av artificiell intelligens. Förhoppningen är att det ska leda till artificiella medel som kan lära sig ett brett utbud av olika uppgifter, och sedan ta det de har lärt sig i en miljö och tillämpa det på en annan. Sådana förmågor, kända inom området som transfer learning, lovar att öka kraften och användbarheten av artificiell intelligens.
Om en agent klarar sig bra på Universums uppgifter, vilket betyder att den kan förstå vad den behöver göra, och göra det som ett resultat av att tillämpa sina förkunskaper, då kommer denna agent att vara betydligt mer intelligent än allt som finns idag, säger Sutskevar.
AI-algoritmer kan ibland matcha eller överträffa mänskliga förmågor, men bara inom mycket smala domäner, som bildigenkänning eller att spela ett visst spel. De flesta algoritmer kan inte lära sig att göra många olika uppgifter, och de kan i allmänhet inte tillämpa det de har lärt sig i en domän på en annan.
Universummiljön låter AI-agenter ta skärmpixlar som indata och ge input i form av tangentbordstryck och musklick. Plattformen kommer att vara kompatibel med AI-agenter som använder förstärkningsinlärning – som lär sig genom experiment och positiv feedback. När det gäller ett datorspel kan feedbacken vara att fullborda spelet eller avsluta en nivå.
Sutskevar, lockad från Google av OpenAI förra året, tror att plattformen kommer att producera grundläggande framsteg som är relevanta för många olika områden. Universums viktigaste produkt kommer att vara algoritmer för allmänna ändamål som kan lära sig av dess stora erfarenhet över många domäner och tillämpa den på ett nytt problem, säger han. Denna algoritm kan sedan tillämpas på robotik, naturlig språkbehandling och vad som helst.
OpenAI grundades i december 2015 med en miljard dollar bidragit från stora teknikinvesterare, inklusive Elon Musk och Sam Altman, ordförande för Y Combinator, en välkänd startaccelerator i Silicon Valley. Den ideella organisationen vill driva ut mer AI-forskning i det fria eftersom den alltmer blir inbäddad i stora teknikföretag.
Tidigare idag tillkännagav forskare från Google DeepMind en plattform för att låta AI-agenter lära sig hur man interagerar med 3D-miljöer. Denna plattform kan tänkas importeras till universum. En annan spelmiljö som heter Malmö — en version av Minecraft riktad till AI-forskare — kommer att inkluderas i Universe.
Förutom mer än tusen olika spel kommer Universe att innehålla ett stort antal fördefinierade webbläsaruppgifter, som att fylla i onlineformulär eller manipulera en webbkalender. Denna undergrupp av uppgifter, kallad World of Bits, kan inspirera till skapandet av en AI som kan utföra ett stort antal användbara vardagssysslor, säger Sutskevar.
Greg Brockman , en annan medgrundare av OpenAI, säger att den ideella organisationen släpper Universe inte bara för att gynna den bredare AI-gemenskapen, utan också med hopp om att andra kommer att utöka dess användbarhet. Vi tror att genom att släppa den kommer folk att hjälpa till att accelerera plattformen, säger han.
Att låta andra bygga ännu fler uppgifter borde hjälpa. Framgång kommer att se ut som en datamängd som är så rik och mångsidig att om du har en agent som klarar sig bra över det, så måste den ha lärt sig något allmänt.
Det är superspännande, säger Emma Brunskill , en professor vid Carnegie Mellon University som är specialiserad på förstärkningsinlärning. Brunskill, som delvis fokuserar på att utveckla AI-system för utbildning, tvivlar dock på att Universum kommer att leda till en fullskalig allmän AI. Hon säger att ett stort återstående problem är att det innebär att göra många fel på vägen, och det kanske inte alltid är möjligt för system att experimentera så här, särskilt om de behöver interagera med människor.
Alla domäner [i universum] är lite avspärrade från samhället, säger hon. I tillämpningar som utbildning eller hälso- och sjukvård måste [agenter] resonera om det faktum att de är höga insatser.
Till exempel, säger Brunskill, skulle det inte vara praktiskt för en agent att genom förstärkningsinlärning ta reda på hur man lär eleverna matematik. Jag vill inte ha en miljon elever som inte lär sig bråk, säger hon.