Kai Covid-19 priverstas žmones likti namie praeitais metais, kompiuterijos mokslininkas Tom Zahavy iš naujo atrado savo aistrą šachmatais. Įkvėptas skaitydamas Garry Kasparovo atsiminimų knygą, Zahavy įsitraukė į šachmatų vaizdo įrašus ir filmus, tokį kaip „Queen’s Gambit”, siekdamas ugdyti savo naują susidomėjimą. Tačiau Zahavy greitai suvokė, kad jis geriau moka sprendžiant šachmatų mįsles, nei žaidžiant patį žaidimą. Šios mįslės sudarė dirbtines situacijas, kurios iššūkė žaidėjus surasti inovatyvius būdus, kaip gauti pranašumą.
Ypač šios šachmatų mįslės padėjo pašviesti tradicinių šachmatų programų apribojimus. Matematikas Sir Roger Penrose 2017 metais sukūrė mįslę, kurią net ir stipriausios kompiuterinės šachmatų programos negalėjo išspręsti teisingai. Zahavy suprato, kad nors kompiuteriai galėjo pralenkti žmogaus žaidėjus įprastame žaidime, jie kovėsi su sudėtingomis problemomis, esančiomis už jų mokymo duomenų ribų.
Zahavy, tyrėjas „Google DeepMind“ kompanijoje, šį suvokimą panaudojo kaip galimybę tyrinėti kūrybišką problemų sprendimą dirbtiniuose intelektualiuose sistemose. Jis ir jo komanda sukūrė unikalų požiūrį: sujungdami iki 10 sprendimų priėmimo dirbtinių intelektų sistemas, optimizuotas skirtingoms strategijoms. Jie integruojo „DeepMind“ „AlphaZero“, galingą šachmatų programą, kaip starto tašką. Bendradarbiaudami ir naudodamiesi kiekvienos sistemos stiprybėmis, naujoji programa veikė geriau nei vienas „AlphaZero“ ir parodė didesnį įgūdį bei kūrybiškumą išsprendžiant Penrose’ą mįsles. Kiekvieną kartą, kai vienas požiūris susidurdavo su kliūtimi, programa sklandžiai pereidavo prie kito.
Zahavy požiūrio sėkmė sudomino kompiuterijos mokslininkę Allison Liemhetcharat. Ji pripažino įvairių dirbtinių intelektų sistemų naudą, ypač sprendžiant problemų sprendimo situacijas už šachmatų ribų. Liemhetcharat pabrėžė, kad turint komandą agentų, apmokytų skirtingose srityse, padidėja galimybės efektyviai spręsti sunkumus.
Ši tyrimas rodo, kad dirbtinės intelektualios sistemos gali pasinaudoti bendradarbiavimu problemų sprendime ir tyrinėjant kelis sprendimus. „Imperial College London“ AI tyrėjas Antoine Cully palygino tai su dirbtinėmis smegenų audros sesijomis, kurios vedė prie kūrybingo ir efektyvaus problemų sprendimo. Ieškodami alternatyvių požiūrių, dirbtinės intelektualios sistemos gali įveikti savo apribojimus ir pristatyti inovatyvius sprendimus.
Zahavy darbai taip pat susiję su apribojimais sustiprinimo mokymo srityje, galingų šachmatų programų, panašių į „AlphaZero“, pagrindas. Nors sustiprinimo mokymas leidžia dirbtinėms intelektualiomis sistemomis mokytis bei tobulėti įgyvendinimo klaidų dėka, dažnai nepavyksta sukurti holistinio žaidimo supratimo. Zahavy pastebėjo, kad šioms sistemoms buvo aklos dėmės, kai tai susiję su naujomis situacijomis ar problemomis, su kuriais jos iki tol nebuvo susidūrusios. Neteisingo nesėkmės pripažinimo trūkumas jų veda kūrybiškumo trūkumams.
Judėdamas į priekį, Zahavy tyrimai skatina įtraukti nesėkmės pripažinimą ir kūrybišką problemų sprendimą į dirbtines intelektines sistemas. Taip dirbtinės intelektualios programos gali įveikti aklas dėmes, plėsti savo problemų sprendimo gebėjimus ir siūlyti labiau subtilius sprendimus.
The source of the article is from the blog xn--campiahoy-p6a.es