211service.com
新しいツールにより、AIはコンピューター上でほとんど何でもできるようになります
マシンはすぐに、コンピューターでできることのほとんどすべてをマスターしようとしている可能性があります。
AIを開く は、AIの大きな進歩を追求し、その進歩を誰もが自由に利用できるようにすることを目的とした非営利団体であり、AIプログラムが実験と前向きな報酬を通じて、コンピューター上であらゆる種類のことを行う方法を学習できるプラットフォームであるUniverseをリリースしました。
ユニバースには、1,000を超えるゲームだけでなく、Webブラウザなどのデスクトッププログラムも含まれます。これにより、AI研究者は、オンラインフォームへの入力、電子メールへの返信、スプレッドシートの更新など、潜在的に役立つタスクを含む、あらゆる種類の新しいトリックを実行するプログラムをトレーニングできるようになります。
しかし、OpenAIの共同創設者兼リサーチディレクターであるIlya Sutskevarは、Universeを開発およびリリースする動機ははるかに大きいと述べています。ユニバースは、AI研究者が幅広いタスクを実行することを学習できるアルゴリズムを開発およびテストする方法を提供します。これは、より一般的なタイプの人工知能への一歩です。さまざまなタスクを学習し、1つの設定で学習した内容を別の設定に適用できる、人工的なエージェントにつながることが期待されています。この分野では転移学習として知られているこのような機能は、人工知能の能力と有用性を高めることを約束します。
エージェントがユニバースタスクでうまく機能する場合、つまり、エージェントが何をする必要があるかを理解し、事前の知識を適用した結果としてそれを実行できる場合、このエージェントは、現在存在するものよりもはるかにインテリジェントになると、Sutskevar氏は言います。
AIアルゴリズムは、人間の能力に匹敵するかそれを超える場合がありますが、画像認識や特定のゲームのプレイなど、非常に狭い領域内でのみ可能です。ほとんどのアルゴリズムは、多くの異なるタスクを実行することを学習できず、通常、あるドメインで学習したことを別のドメインに適用することはできません。
ユニバース環境では、AIエージェントが画面のピクセルを入力として受け取り、キーボードストロークとマウスクリックの形で入力を提供できます。このプラットフォームは、強化学習を使用するAIエージェントと互換性があります。強化学習は、実験と正のフィードバックを通じて学習します。コンピュータゲームの場合、フィードバックはゲームの完了またはレベルの終了である可能性があります。
昨年OpenAIによってGoogleから引き離されたSutskevarは、このプラットフォームが多くの異なる分野に関連する根本的な進歩を生み出すと信じています。ユニバースの最も重要な製品は、多くのドメインにわたるその豊富な経験から学び、それを新しい問題に適用できる汎用アルゴリズムになるだろうと彼は言います。このアルゴリズムは、ロボット工学、自然言語処理などに適用できます。
OpenAIは2015年12月に設立され、有名なシリコンバレーのスタートアップアクセラレーターであるYCombinatorの社長であるElonMuskやSamAltmanなどの有名なテクノロジー投資家から10億ドルが寄付されました。非営利団体は、AIの研究がますます大企業に閉じ込められるようになるにつれ、より多くのAI研究を公開したいと考えています。
本日、Google DeepMindの研究者は、AIエージェントが3D環境と対話する方法を学習できるようにするプラットフォームを発表しました。このプラットフォームは、おそらくユニバースにインポートされる可能性があります。宇宙には、AI研究者を対象としたMinecraftのバージョンであるMalmoと呼ばれる別のゲーム環境が含まれます。
1000を超えるさまざまなゲームに加えて、Universeには、オンラインフォームへの入力や、Webカレンダーの操作など、事前定義された多数のブラウザタスクが含まれます。 World of Bitsと呼ばれるこのタスクのサブセットは、多くの便利な日常の雑用を実行できるAIの作成を刺激する可能性があるとSutskevar氏は言います。
グレッグ・ブロックマン OpenAIの別の共同創設者である、非営利団体は、より広いAIコミュニティに利益をもたらすだけでなく、他の人々がその有用性を拡大することを期待して、Universeをリリースしていると言います。それをリリースすることで、人々はプラットフォームを加速するのに役立つと私たちは考えています、と彼は言います。
他の人にさらに多くのタスクを作成してもらうと役立つはずです。成功は非常に豊富で多様なデータセットのように見えるので、それ全体でうまく機能するエージェントがいる場合は、一般的なことを学んでいる必要があります。
とてもエキサイティングです、と言います エマ・ブランスキル 、強化学習を専門とするカーネギーメロン大学の教授。しかし、教育用のAIシステムの開発に部分的に焦点を当てているブランスキルは、宇宙が本格的な一般的なAIにつながるのではないかと疑っています。彼女は、残っている重要な問題は、途中で多くのエラーが発生することであり、特に人間と対話する必要がある場合、システムがこのように実験することが常に実行可能であるとは限らないと述べています。
[宇宙の]すべての領域は社会から少し封鎖されていると彼女は言います。教育やヘルスケアのようなアプリケーションでは、[エージェント]は彼らがハイステークスであるという事実について推論する必要があります。
たとえば、ブランスキル氏は、強化学習を通じて、エージェントが生徒に数学を教える方法を理解することは現実的ではないと言います。 100万人の学生に分数を学ばせたくないと彼女は言います。