Banyak dari kita yang ingat dan tahu seperti apa taman kanak-kanak. Ruang belajar dipenuhi dengan mainan dan teka-teki, musik dan buku, bunga dan bahkan terkadang kucing, sehingga menghadirkan dunia yang kaya dan subur dimana anak-anak dapat bermain dan belajar melalui permainan. Tetapi bertentangan dengan kepercayaan populer, permainan anak-anak jauh dari kata mudah. Mereka tidak hanya bersenang-senang - mereka belajar, mereka mendapatkan pemahaman tentang dunia. Dengan bermain di alam semesta yang beragam dan menyenangkan, kami memelihara kecerdasan anak yang beraneka segi.
Mengapa tidak mengajarkan AI dengan cara yang sama?
Belum lama ini, lembaga nonprofit OpenAI membuka dunia virtual untuk dijelajahi dan dimainkan oleh AI. Tujuan proyek Universe sebesar namanya: untuk mengajari satu AI untuk melakukan tugas apa pun yang dapat dilakukan seseorang dengan menggunakan komputer.
Dengan melatih agen AI individu untuk unggul dalam berbagai tugas dunia nyata, OpenAI berharap dapat membawa kita selangkah lebih dekat ke bot yang benar-benar cerdas - dengan keterampilan penalaran yang fleksibel seperti yang kita lakukan.
Kecerdasan tingkat umum
Tidak ada keraguan bahwa AI menjadi sangat pintar.
Video promosi:
Komputer sekarang dapat melihat, mendengar, dan menerjemahkan bahasa dengan akurat, terkadang bahkan lebih cepat daripada manusia. Tepat awal tahun ini, dalam serangkaian game go terkenal, AlphaGo DeepMind mengalahkan juara dunia 18 kali Lee Sedol, sepuluh tahun lebih awal dari perkiraan beberapa ahli.
Tapi kenyataannya, AI hanya sebagus yang diajarkan. Minta AlphaGo untuk bermain catur, dan program kemungkinan besar akan membingungkan dengan cara seperti mesin, bahkan jika Anda menjelaskan aturannya dengan sangat rinci.
Sejauh ini, sistem AI kami adalah kuda super efisien untuk satu trik. Metode pengajaran sebagian yang harus disalahkan: Peneliti memulai dengan AI yang kosong, membimbingnya melalui jutaan percobaan, sampai berhasil dan memecahkan satu masalah. AI tidak pernah mengalami hal lain, jadi bagaimana AI tahu cara menyelesaikan masalah lain?
Untuk mencapai kecerdasan tingkat umum - mampu menggunakan pengalaman yang diperoleh pada tingkat manusia untuk memecahkan masalah baru - AI perlu mentransfer pengalamannya untuk memecahkan masalah lain. Dan Semesta akan membantu mereka dalam hal ini. Dengan mengalami dunia yang penuh dengan skenario yang berbeda, para ilmuwan OpenAI berharap bahwa AI akan mendapatkan pengetahuan tentang dunia dan keterampilan pemecahan masalah yang fleksibel yang akan memungkinkannya untuk "berpikir" daripada terjebak dalam satu putaran selamanya.
Dunia baru yang berani
Pada intinya, Universe adalah platform kuat yang mencakup ribuan lingkungan, biasanya menyediakan metode standar untuk melatih agen AI. Sebagai platform perangkat lunak, Universe menyediakan platform untuk menjalankan perangkat lunak orang lain sehingga program dapat belajar di lingkungan yang berbeda - Atari dan game flash, aplikasi dan situs web, misalnya, sudah diadopsi.
Akan ada orang lain di depan.
Secara teori, Semesta dapat menjalankan perangkat lunak apa pun di komputer mana pun, memungkinkan ilmuwan memasukkan dan melatih AI mereka sesuka hati. Ini seperti mengirim seorang anak ke perkemahan musim panas: Anda memilih bidang Anda, jenis aktivitas, menunggu dia menguasainya, lalu yang lain, dan seterusnya, berenang dan mengulanginya.
Di Semesta, AI berinteraksi dengan dunia virtual dengan cara yang sama seperti manusia menggunakan komputer: AI “melihat” piksel di layar dan menggunakan keyboard dan mouse virtual untuk memasukkan perintah.
Hal ini dimungkinkan oleh Virtual Network Computing (VNC), pada dasarnya sistem berbagi desktop yang memungkinkan pergerakan keyboard dan mouse ditransmisikan dari satu komputer (AI) ke komputer lain (lingkungan belajar). Saat lingkungan berubah, VNC mengirim tangkapan layar yang diperbarui kembali ke AI, memungkinkannya mengambil langkah berikutnya. VNC bertindak sebagai mata dan tangan AI.
Bagaimana pelatihan berlangsung?
Semua AI yang terhubung ke Semesta dilatih menggunakan apa yang dikenal sebagai pembelajaran penguatan, teknik hebat yang membawa kesuksesan AlphaGo. Namun, istilah ini menyembunyikan cara kita melatih lumba-lumba, anjing, dan bahkan anak-anak sebagai manusia. Ini adalah belajar melalui coba-coba: pilih tindakan, dan jika Anda telah diberi penghargaan untuk itu, pertahankan kerja bagus. Jika tidak, coba yang lain.
Alih-alih memulai dengan AI yang benar-benar kosong, para peneliti terkadang memberi mereka dorongan dengan membiarkan mereka “melihat” orang memecahkan masalah. Hal ini memungkinkan AI untuk membentuk kesan pertama dan memiliki pemahaman yang lebih baik tentang cara mengoptimalkan keputusannya.
Pembelajaran penguatan sudah digunakan di banyak aplikasi AI. Akan tetapi, di dalam Semesta, kekuatan teknologi ini terungkap sepenuhnya. Karena AI dapat berpindah antara game dan aplikasi, AI dapat mengambil apa yang dipelajari dalam satu aplikasi dan dengan mudah menggunakannya untuk mengetahuinya di aplikasi lain - ini disebut pembelajaran transfer atau pembelajaran transfer. Keterampilan ini tidak mudah untuk dikuasai, tetapi penting dalam perjalanan menuju mobil cerdas.
Kami perlahan-lahan bergerak ke sana, menurut OpenAI: beberapa agen mereka sudah menunjukkan tanda-tanda pergeseran pembelajaran dari satu game mengemudi ke game lainnya.
Dari game hingga dunia ketukan
Seperti banyak pengembang AI lainnya, OpenAI menggunakan game untuk mendorong Semesta karena suatu alasan: mereka hanya mengukurnya dalam hal kesuksesan. Karena permainan diukur dengan berbagai statistik dan skor, sistem dapat dengan mudah menggunakan angka-angka ini untuk mengukur kemajuan AI dan memberikan penghargaan yang sesuai. Ini penting untuk pembelajaran penguatan.
Karena Semesta bergantung pada piksel dan keyboard, manusia juga dapat memainkan game di platform tersebut. Sesi ini direkam dan memberikan dasar untuk mengevaluasi kinerja AI (bukan pekerjaan yang buruk, akui saja).
Tetapi game hanyalah sebagian kecil dari interaksi kita dengan dunia digital, dan Semesta sudah bergerak melampaui batasnya dengan proyek Mini World of Bits. Bit adalah kumpulan berbagai interaksi browser yang kami temui saat menjelajahi web: saat kami mengetik teks atau memilih opsi dari menu tarik-turun dengan mengeklik kirim.
Tugas-tugas ini, meski sederhana, membentuk dasar tentang bagaimana kita terhubung dengan harta karun Web. OpenAI ingin AI bergerak bebas di Internet - misalnya, dapat memesan tiket pesawat. Di salah satu lingkungan Semesta, para peneliti sudah memberi AI jadwal pemesanan yang diinginkan dan mengajarkannya untuk mencari penerbangan di berbagai maskapai penerbangan.
Dan ini baru permulaan.
Alam semesta hanya tumbuh dan berkembang. Platform Malmo Microsoft, yang menggunakan Minecraft untuk melatih AI, perlu berintegrasi dengan Semesta. Game lipat protein populer fold.it, aplikasi Android, game HTML5, dan lainnya sedang mengantre.
Hantu di dalam mobil
Jadi sekarang kami dapat mengajari AI untuk memainkan berbagai game dan menjelajahi web. Hebat, pikirkan saja. Apakah ini akan membawa kita ke kecerdasan umum?
Mungkin jalannya akan panjang.
Tetapi AI yang tahu cara memenangkan permainan apa pun yang Anda lempar hanya dapat berpikir secara logis dan mencapai kemenangan dalam beberapa langkah. AI yang dapat menavigasi dunia GTA V yang kacau seharusnya sudah memahami dasar-dasar fisika dunia nyata, kekerasan, dan pembalasan. AI yang dapat bekerja di Internet sudah mengetahui bagaimana orang biasanya berkomunikasi satu sama lain dan dapat menggunakan pengetahuan ini untuk mendapatkan informasi, membuat identitas webnya sendiri, atau bahkan melihat identitas Anda.
Setiap hari kami belajar, bermain, bekerja, dan tumbuh di dunia digital. Bagi banyak orang, dunia satu dan nol sama nyatanya dengan dunia tempat kita dilahirkan. Sekarang setelah AI memiliki akses ke dunia digital ini, giliran untuk berkembang. Mari kita lihat seberapa jauh dia bisa melangkah.
ILYA KHEL
