Фахівці Массачусетського технологічного інституту (МТІ) навчили штучний інтелект розробляти алгоритми, наділені властивістю зацікавленості

Інженери стверджують, що такі алгоритми працюють ефективніше і адаптуються до нових середовищ краще, ніж алгоритми, розроблені людьми.

Люди набувають нових навичок, досліджуючи світ і навчаючись на власному досвіді. Комп'ютери, навпаки, часто «застрягають», коли потрапляють в нове для себе середовище, відзначають в МТІ. Щоб уникнути цього, інженери намагаються програмувати нейромережі на дослідження незнайомого середовища, надаючи їм властивість цікавості в надії, що така модель буде діяти в незнайомому середовищі більш ефективно. Під цікавістю в даному випадку мається на увазі функція алгоритму, яка в якості винагороди використовує помилку прогнозу. Штучний інтелект намагається передбачити майбутній стан - наприклад, наступний кадр при перегляді відео - і найкращим результатом вважається той, який не збігається з прогнозом. Таким чином, ШІ краще адаптується до нового.

«Алгоритми, розроблені людьми, носять дуже загальний характер, - вказує один з авторів дослідження Ферран Алет, аспірант в МТІ. - Ми використовували ШІ, щоб знайти алгоритми, які зможуть адаптуватися до різних середовищ ».

Раніше Google повідомила про розробку нового інструменту створення алгоритмів під назвою Auto-ML Zero. Програма генерує велику кількість алгоритмів, використовуючи комбінації зі ста різних простих математичних операцій. Після цього Auto-ML Zero перевіряє відібрані алгоритми на здатність виконувати задані функції. Після того, як ШІ виконає завдання, Auto-ML Zero порівнює продуктивність алгоритмів і обирає найкращі. З різних частин обраних алгоритмів AutoML-Zero створює єдиний ШІ.

Ідея наділити штучний інтелект цікавістю прийшла вченим з OpenAI та Університету Берклі. Вони прийшли до висновку, що ця властивість дозволить роботам більш ефективно приймати самостійні рішення. Вони протестували створений ними алгоритм на 54 відеоіграх, і в Super Mario Bros штучний інтелект пройшов 10 рівнів без зовнішнього винагороди, виходячи тільки з власної цікавості.