Комп'ютерні паличники показали процес навчання ШІ

Розробник Кейван Донягард (Keiwan Donyagard) представив Evolution - невелику гру-симуляцію, яка дозволяє стежити за роботою і розвитком штучного інтелекту. За допомогою набору з кісток, м'язів і суглобів можна створювати невеликих істот і дати їм завдання навчитися стрибати, бігати або ходити, а далі - стежити за їх еволюцією. Симуляцію можна випробувати на сайті.

Завдання будь-якого виду машинного навчання зводиться до того, щоб навчитися виконувати будь-яке завдання в процесі безперервних спроб. Тип навчання залежить, наприклад, від архітектури обраної нейромережі: наприклад, у генеративно-змагальних системах мережа-генератор створює об'єкти, а мережа-оцінювач - порівнює їх із «золотим стандартом», після чого відправляє генератор переробляти об'єкт до досягнення кращого результату. Зазвичай при аналізі роботи машинного навчання можна подивитися на ваги - оцінки, які видаються отриманому рішенню. Еволюцію штучного інтелекту в процесі навчання тепер можна розглянути у всіх деталях - за допомогою нової гри-симуляції.

Кожна створена істота оснащена деталями трьох типів: кістками, м'язами і суглобами. Суглоби необхідні для того, щоб з'єднати разом кістки, а м'язи регулюють рухи кісток за рахунок скорочень і розтягувань. У процесі «еволюції» до існування додається «мозок» - нейромережа, яка навчається на рухах істоти. Єдина з деталей, якою може керувати «мозок» при цьому - це м'язи, яких повинно бути достатньо для того, щоб рухалися всі кістки (тобто кістка не може не бути з'єднана з іншою кісткою тільки сухожиллям).

У процесі «еволюції» у істоти з'являється кілька копій, які рухають м'язи у випадковому порядку. При безперервному розтягуванні і скороченні м'язів система навчається, аналізуючи певний набір параметрів: відстань істоти до землі і кількість точок дотику, його напрямок руху і швидкість, а також його місцезнаходження в просторі. Потім, залежно від поставленого завдання, система вибирає двох найбільш вдалих кандидатів для подальшого розмноження: відповідні параметри потім використовуються для створення нових істот. Процес повторюється до тих пір, поки поставлене перед суттю завдання не буде виконано максимально коректно.

За допомогою такої симуляції, як зазначає Донягард, можна простежити за тим, як навчаються нейромережі: спочатку випадково виконуючи дії, а потім коригує свою поведінку на основі аналізу наданих їй параметрів. Крім того, симуляція - ще й відмінний спосіб дізнатися побільше про будову і функціонування приладів, що працюють за допомогою штучних м'язів. Крім веб-версії також є десктоп-версії для різних операційних платформ.

Для ефективного навчання штучного інтелекту придумують й інші способи. Наприклад, минулого літа американські дослідники змогли прискорити процес навчання роборуки, змусивши іншу роборуку відбирати у неї предмети.