डीपमाइंड एक वर्चुअल मशीन सीखने के वातावरण में मुफ्त पहुंच प्रदान करता है

हाल ही में, डीपमाइंड डिवीजन के प्रतिनिधियों (अब अल्फाबेट होल्डिंग का हिस्सा) ने डेवलपर्स के लिए डीपमाइंड लैब प्लेटफॉर्म के स्रोत कोड तक मुफ्त पहुंच की व्यवस्था की घोषणा की। यह आर्टिफिशियल इंटेलिजेंस ट्रेनिंग के लिए डिजाइन की गई क्वेक III-आधारित मशीन लर्निंग सर्विस है। अर्थात् - मानवीय हस्तक्षेप के बिना त्रि-आयामी अंतरिक्ष में समस्याओं को हल करने का तरीका जानने के लिए। मंच का मुख्य भाग क्वेक III एरिना गेम इंजन है।

खेल की दुनिया के अंदर, एआई को एक गोले का आकार मिलता है और आसपास के स्थान की खोज करते समय उड़ान भरने की क्षमता होती है। डेवलपर्स द्वारा निर्धारित लक्ष्य एआई के कमजोर रूप को "समझने" के लिए सिखाना है जो कि हो रहा है और आभासी दुनिया में होने वाली विभिन्न स्थितियों पर प्रतिक्रिया करता है। एक "चरित्र" क्रियाओं की एक श्रृंखला कर सकता है, एक भूलभुलैया के माध्यम से आगे बढ़ सकता है, और तत्काल वातावरण का अध्ययन कर सकता है।

"हम एआई के विभिन्न रूपों को विकसित करने की कोशिश कर रहे हैं जो खेल जगत के सामान्य अध्ययन से लेकर उनके परिणामों के विश्लेषण के साथ कोई भी कार्य करने के लिए कई कार्य कर सकते हैं," डीपमाइंड के मुख्य अनुसंधान साथी शेन लेग कहते हैं ।



विशेषज्ञों को उम्मीद है कि एआई परीक्षण और त्रुटि से सीख सकता है। इस मामले में खेल लगभग एक आदर्श विकल्प हैं। उदाहरण के लिए, पहले डीपमाइंड में वे उपयोग करते थे (और अब उपयोग कर रहे हैं) खेल के लिए आवश्यक अनुक्रमिक क्रियाओं को करने के लिए तंत्रिका नेटवर्क को सिखाने के लिए अटारी गेम कंसोल।

लेकिन एक खुली तीन आयामी दुनिया जिसे बदला जा सकता है वह अटारी में ग्राफिक रूप से सरल खिलौनों की सपाट दुनिया की तुलना में एआई सीखने के लिए बहुत अधिक आशाजनक वातावरण का प्रतिनिधित्व करता है। तीन आयामी दुनिया में एआई में स्पष्ट असाइनमेंट हैं जो क्रमिक रूप से इस तरह बदलते हैं कि प्रत्येक पिछले असाइनमेंट को हल करने में प्राप्त अनुभव एआई के लिए बाद के एक को हल करने के लिए उपयोगी हो जाता है।

त्रि-आयामी वातावरण का लाभ यह है कि इसका उपयोग कंप्यूटर सिस्टम को प्रशिक्षित करने के लिए किया जा सकता है ताकि विभिन्न समस्याओं के जवाब में एक रोबोट वास्तविक दुनिया में उम्मीद कर सके। इस सिम्युलेटर का उपयोग करके, औद्योगिक रोबोटों को समस्याओं के बिना प्रशिक्षित किया जा सकता है। और वर्चुअल वातावरण के साथ काम करना कुछ उदाहरणों में आसान नहीं है कि ऐसे सिस्टम को "मैन्युअल रूप से" पढ़ाया जा सके।

उसी समय, सबसे आधुनिक तंत्रिका नेटवर्क एक विशिष्ट समस्या (उदाहरण के लिए छवि प्रसंस्करण) को हल करने के लिए विकसित किए जाते हैं। नए प्लेटफॉर्म के डेवलपर्स का वादा है कि यह एआई का एक सार्वभौमिक रूप बनाने में मदद करेगा जो बड़ी संख्या में कार्यों को हल कर सकता है। इसके अलावा, इस मामले में लोगों की मदद, कंप्यूटर सिस्टम की जरूरत नहीं है। तंत्रिका नेटवर्क के लिए पर्यावरण की पीढ़ी हर बार यादृच्छिक क्रम में होती है।


मंच के डेवलपर्स के अनुसार , यह एआई को उसी तरह सीखने में मदद करता है जिस तरह से बच्चे सीखते हैं। "आपने या मैंने बचपन में दुनिया का अध्ययन कैसे किया," दीपमाइंड के एक कर्मचारी ने एक उदाहरण दिया। “मशीन सीखने वाला समुदाय हमेशा से बहुत खुला रहा है। हम एक वर्ष में लगभग 100 लेख प्रकाशित करते हैं, इसके अलावा, हमने अपनी कई परियोजनाओं के लिए स्रोत कोड खोला है। ”

अब Google DeepMind ने DeepMind Lab का सोर्स कोड खोला है , इसे GitHub पर पोस्ट किया है। इसके लिए धन्यवाद, कोई भी प्लेटफ़ॉर्म कोड डाउनलोड कर सकता है और अपनी आवश्यकताओं के अनुसार इसे संशोधित कर सकता है। परियोजना के प्रतिनिधियों ने घोषणा की कि जुड़े हुए विशेषज्ञ अपने स्वयं के प्रोजेक्ट्स को GitHub में अपलोड करके नए गेम स्तर स्वयं बना सकते हैं। यह पूरे समुदाय को तेजी से और अधिक कुशलता से अपने लक्ष्यों को प्राप्त करने में मदद कर सकता है।

यह परियोजना डीपमाइंड के लिए एकमात्र नहीं है। पिछले महीने, इसके प्रतिनिधियों ने एक्टिविज़न ब्लिज़ार्ड इंक के साथ एक सहयोग समझौते में प्रवेश किया। लक्ष्य यह है कि आर्टिफिशियल इंटेलिजेंस के लिए स्टारक्राफ्ट 2 पर्यावरण को एक परीक्षण बिस्तर में बदल दिया जाए। शायद निकट भविष्य में अन्य खेल डेवलपर्स इस परियोजना में शामिल हो जाएंगे। वैसे, गेमिंग वातावरण में एआई पदोन्नति के लिए केवल दृश्य जानकारी का उपयोग करके, दुश्मन पर कोई लाभ नहीं उठाता हैएक आदमी की तरह।

व्यवहार में, इसका मतलब यह है कि Google AI को यह अनुमान लगाने की आवश्यकता होगी कि "दुश्मन" के कार्यों का पर्याप्त रूप से जवाब देने के लिए दुश्मन किसी भी समय क्या कर रहा है। इसके अलावा, योजना से आगे क्या हुआ है, इसका तुरंत जवाब देना आवश्यक होगा। यह सब कृत्रिम बुद्धि की क्षमताओं के अगले स्तर का परीक्षण करने की अनुमति देगा। "अंत में, हम वैश्विक समस्याओं को हल करने के लिए इन क्षमताओं का उपयोग करना चाहते हैं," दीपमाइंड के संस्थापक डेमिस हसबीस ने कहा (इसे 2014 में Google द्वारा खरीदा गया था, और एआई को अधिग्रहित कंपनी की उपलब्धियों के आधार पर विकसित किया जा रहा है)।

एआई विशेषज्ञों ने सावधानीपूर्वक परियोजना को मंजूरी दी। "अच्छी बात यह है कि वे बड़ी संख्या में वातावरण प्रदान करते हैं," ओलाय के सह-संस्थापक इल्या सुत्स्केवर ने कहा। "जितना अधिक वातावरण एक प्रणाली का सामना करता है, उतनी ही तेजी से विकसित होगा," उन्होंने जारी रखा। दरअसल, त्रि-आयामी एआई सीखने के वातावरण में 1000 से अधिक स्तर और प्रकार के वातावरण होते हैं।

कैम्ब्रिज के एक प्रोफेसर ज़ौबिन गहराहमनी का मानना ​​है कि दीपमाइंड लैब और अन्य प्लेटफ़ॉर्म आर्टिफिशियल इंटेलिजेंस के विकास को आगे बढ़ाने में योगदान करते हैं, जिससे शोधकर्ताओं को विकसित पर्यावरण का उपयोग करने की अनुमति मिलती है। इसके अलावा, इस तरह की परियोजनाएं काफी पारदर्शी हैं। उसने भी गौर कियाखेल के एक निश्चित स्तर तक पहुंचने वाले व्यक्ति को कंप्यूटर की तुलना में बहुत कम समय लगता है। इसलिए, प्रोफेसर को संदेह है कि एआई, इसका कमजोर रूप, सीखने की गति के मामले में कम से कम किसी व्यक्ति के स्तर पर लाना मुश्किल होगा।

Source: https://habr.com/ru/post/hi399853/