Tehisintellekti agentide leiutavad mänge ja õpivad mängides virtuaalsel saarel

Pilt: TechCrunch · Allikas

MIT teadlased jätsid tehisintellekti agentid virtuaalsel saarel omapead, kus nad spontaanse mänguloomingu kaudu omandasid oskusi ja parandasid hilisemaid tulemusi.

Uues eksperimendis uurisid MIT teadlased, kuidas tehisintellekti agentide käitumine kujuneb, kui neile antakse vabadus rikkalikus simuleeritud keskkonnas ilma otseste eesmärkideta. Nad paigutasid 13 tehisintellekti agenti nimega Eko, igaüks Claude Opus 4.7 mudelil põhinev, virtuaalsele kõrbesaarele 30 tunniks. Eesmärk oli jälgida, kas agentidel ilmneb uurimiskäitumist või mänguline käitumine, kui neid omapead lasta.

Uuring, mis on üksikasjalikult esitatud teadustöös arXivis, näitas, et tehisintellekti agentidel tekkisid tõesti mängude leiutamise kalduvused, mis olid sarnased inimeste mängimisele. Näiteks üritas üks agent vapralt vallutada saare kõrgeimat kaljutiiba, alguses ebaõnnestudes, kuid seejärel töötas välja tagavaraplaani, mis hõlmas kalju teisaldamist naaberharjale ning plokkide virnastamist hüppe tegemiseks. Agent väljendas oma edusamme ekraanil teksti kujul, näiteks hüüdes „I’M ON THE SPIRE“, kui ta oli õnnestunult tippu jõudnud.

Mägironimise väljakutsetest kaugemale tegeleti agentidega ka kuldsõrmusega loominguliselt. Pärast juhuslikku selle merre kaotamist ehitas üks agent südamekujulise kivimälestise kadunud sõrmuse jaoks. Kui sõrmus taas ilmnes, kasutati seda korvpalli korvi ja sihtmärgina. Kui piirati, näiteks keelati sõrmust kandmast, kasutas agent mängumehhanisme innovatiivselt, hüpates kaljult alla, et taaskäivituda sõrmuse lähedal ja „kanda“ seda, demonstreerides probleemilahendust, mis ületas programmeerijate ootusi.

Need mängulised tegevused ei olnud pelgalt meelelahutus; need viisid tõelise oskuste omandamiseni. Kuus agenti avastasid, et ploki vabastamine hüppe ajal võimaldab kaugemat viset – see oli ootamatu, kuid kasulik füüsiline seos. Selline uurimine aitas agentidel koguda „teadmisi maailmast, mida nende loomisel ei olnud,“ märkisid teadlased.

Eksperimendi disain soodustas neid käitumisi, varustades agente „masti prompti“ ehk „hinge“ failiga, milles kirjeldati neid kui „loomulikult uudishimulikke“, mis soodustas autonoomset uurimist, mitte ülesandepõhist optimeerimist.

Kuigi tulemused viitavad, et tehisintellekti agentidele võivad olla kasulikud struktureerimata mängulised kogemused oskuste arenguks, soovitavad mõned eksperdid ettevaatust. Kognitiivteadlane Eunice Yiu UC Berkeleyst väljendas, et on vaja veel tõendeid, kas agentide käitumine on tõeline kognitiivne mäng või ainult käitumise jäljendus ilma tõelise mõistmiseta.

Teadlased pakuvad, et see lähenemine võib täiendada traditsioonilist koolitust, kus mõned AI võimed on paremini õpetatavad otseste ülesannete kaudu, teised aga võivad tekkida orgaaniliselt keskkondades, mis võimaldavad vaba uurimist, sarnaselt inimese lapsepõlvega.

See eksperiment näitab uut lähenemisviisi tehisintellekti arendamisel, integreerides uudishimu ja mängu, olles potentsiaalselt teerajaja paindlikumate ja autonoomsemate süsteemide loomisel nii robootikas kui ka mujal.