A DeepMind új AI-ja közvetlenül az embertől tanulhat feladatokat

• A DeepMind AI-ügynökrendszere az emberi oktatók megfigyelésével tanulja meg a feladatokat anélkül, hogy előre gyűjtött adatokra támaszkodna.

• Ez a GoalCycle3D-ben bemutatott megközelítés lehetővé teszi az AI számára, hogy az emberi demonstráció után hosszú idővel is képes legyen feladatokat végrehajtani és megjegyezni, ami a robotikában és az ügyfélszolgálatban alkalmazható.

• Az AI-képzési módszere, amely mélyen megerősített tanulást használ, kezeli a magánélet védelmével kapcsolatos aggályokat és a korábbi, egyéni feladatokra összpontosító AI-képzés korlátait.

A DeepMind legújabb mesterséges intelligencia áttörése egy olyan ügynökrendszert foglal magában, amely közvetlenül emberi oktatóktól képes tanulni. Egy nemrég megjelent tanulmányban részletezett, kulturális átadásnak nevezett módszer lehetővé teszi, hogy az AI megfigyelje és utánozza az emberi cselekvéseket, és végül önállóan felidézze ezeket a viselkedéseket. A hagyományos AI-képzéssel ellentétben ehhez a folyamathoz nincs szükség előre összegyűjtött emberi adatokra, ami jelentős változást jelent abban, ahogyan a mesterséges intelligencia elsajátíthatja a készségeket.

Ennek a technológiának a gyakorlati alkalmazásai széles körűek. A GoalCycle3D-hez hasonló szimulált környezetben a mesterséges intelligencia előzetes interakció nélkül tanulta meg a feladatokat egy emberi demonstrátortól. Ez a képesség forradalmasíthatja a robotikai képzést, lehetővé téve a gépek számára, hogy megfigyeléssel tanuljanak meg olyan feladatokat, mint a dobozok emelése és elhelyezése. Emellett ígéretes az ügyfélszolgálati rendszerek adaptív, interaktív tanulási képességekkel történő bővítésére is. Ez a módszer a magánélet védelmével kapcsolatos aggályokra is megoldást kínál, mivel nem szükséges nagy adathalmazok tárolása, ehelyett a valós idejű megfigyelésre támaszkodik.

A DeepMind megközelítése, amely a neurális hálózatokat és a mély megerősítő tanulást kombinálja, eltérést jelent a korábbi, egyfeladatú tanulásra összpontosító AI-képzési módszerektől. Ez az új többfeladatos tanulási képesség a mesterséges intelligencia kifinomultabb formái felé vezető utat jelzi. Ugyanakkor továbbra is vannak kihívások, például az, hogy az AI félreértelmezheti a megfigyelt cselekvéseket, és hogy változatosabb képzési forgatókönyvekre van szükség a módszer szélesebb körű alkalmazhatóságának teszteléséhez.