A pilóta nélküli járművek, a digitális ikrek és a távközlés automatikus vezérlése nem
Hogyan tanul az AI mentor nélkül
Megerősítő tanulás,RL) feltételezi, hogy maga a mesterséges intelligencia kölcsönhatásba lép egy bizonyos környezettel - például a Go játék táblájával vagy a külvilággal, ha a robot mozog rajta. Az eszköznek azonosítania kell a gyakori mintákat, és a feladatok végrehajtása során rájuk kell összpontosítania. És amikor egy "tanárral" tanul, szüksége van egy személyre, akinek meg kell jelölnie a helyes cselekvést, amelyen az AI fog edzeni.
„Az RL lényege, hogy a gép, ill.ügynök, az állandó gyakorlás módjában tanul” – jegyzi meg Oleg Szvidcsenko, a Yandex Tudományos Díj díjazottja. - A mesterséges intelligencia bizonyos körülmények között van, és „beszél” – cselekszik. Ez hasonló ahhoz a helyzethez, amikor egy egér sajtot keres egy labirintusban. Rossz irányba fordulva az állat nekiütközik a falnak, visszajön, újra próbálkozik, és így tovább. Megerősítő tanulás esetén a helyes lépéseket díjazzuk. Minél helyesebb a művelet, annál több pontot kap az AI. Ha a választás helytelennek bizonyult, az ügynök pontokat veszít. Az edzés során a gép megjegyzi, hogy melyik akciókombináció volt jövedelmezőbb, és legközelebb ezt fogja használni.”
A megoldás független keresése lehetővé teszi az ügynök számáraelőbb-utóbb felülmúlja az embert. Ezt mutatta meg például a DeepMind MuZero algoritmusa, amely megtanult játszani több tucat régi Atari videojátékkal, sakkkal és Go-típusú társasjátékkal. Létrehozásához a cég korábbi fejlesztéseit használták fel: például az AlphaGo-t, aminek köszönhetően sikerült legyőzni a Go-bajnokot, Lee Sedol-t, és az AlphaZero-t, amelyet a sakkban használnak. A továbbfejlesztett algoritmus több információt nyer ki kevesebb adatból – most a betanítási lépések felére van szüksége.
Megerősítő tanulási algoritmusok képesekszámos iparágban hasznos. Például az orvostudományban - személyre szabott dinamikus kezelés megszervezésére, szórakoztatóiparban - számítógépes játékok automatikus tesztelésére, vagy a repülésben - sztratoszférikus léggömb autonóm vezérlésére.
Mely területeken fog a mesterséges intelligencia az emberek segítségére lenni
A kiskereskedelem digitalizálása: teljesen automatizált üzletek
Az első gépi tanulást az iparágakban valósítják megahol a nagy mennyiségű adat gyűjtésének és digitalizálásának folyamata hibakeresés történik. Például a kiskereskedelemben minden információ áthalad a pénztárgépeken, ami azt jelenti, hogy az AI-nak van mit dolgoznia. Alexey Shpilman szerint az AI-algoritmusok használatával mindenhol automatizált üzletek hozhatók létre, ahol minden folyamat emberi beavatkozás nélkül zajlik majd.
Ezt a formátumot 2016-ban tesztelték.Amazon cég. A vevő felveszi a kosarat, felveszi benne az árut és csak távozik - a vásárlásért járó pénzt automatikusan levonják a kártyáról. Oroszországban hasonló projektet fejlesztett ki Azbuka Vkusa.
"A vevő felveszi a kocsit, felveszi benne az árut és csak távozik - a vásárlásért járó pénzt automatikusan levonják a kártyáról"
Távközlési menedzsment: hálózati hibák azonosítása
A megerősítő tanulásnak köszönhetőentechnológiai áttörések történhetnek a különféle hálózatok kezelésében - távközlés, fűtési hálózatok, villamosenergia-ipar. Sok folyamat itt meglehetősen könnyen robotizálható, mivel nincs sok interakció az emberekkel.
Az automatizálás olyan rendszerek létrehozásához vezet, amelyekmegalapozottabb döntéseket hoz és optimalizálja az energiafogyasztást. Például az RL algoritmusok alapján egy HVAC vezérlőt fejlesztenek ki (a fűtés, szellőztetés és légkondicionálás rövidítése – Fűtés, szellőztetés és légkondicionálás) – ez egy szobahőmérséklet- és szellőzésszabályozó rendszer. Ennek a technológiának az üzleti életben való alkalmazása egyaránt segít az energiafogyasztás megtakarításában és a szén-dioxid-kibocsátás csökkentésében.
Pilóta nélküli járművek: tesztelési technológia és jogszabályok
Újabb terület, aminek köszönhetően áttörésre vármegerősítő tanulás - közlekedés. Már ma is megtalálhatók az utcákon pilóta nélküli járművek és kézbesítő robotok. Az iparág technológiai fejlődése ellenére a McKinsey elemzői azt jósolják, hogy a drónok legkorábban 2030-ban válnak általánossá. A végrehajtást nehezíti a szabályozás kidolgozásának szükségessége. Szingapúrban és az Egyesült Államokban már javában zajlik az automatizált közlekedés az autópályákon, és nemrégiben megjelent az engedély egy pilóta nélküli taxi tesztelésére Oroszországban.
„Az automatizálás szinte mindig javulbiztonság, de az emberek félelemmel fogadják az ilyen technológiák bevezetését” – biztos Oleg Szvidcsenko. — Ha az összes szállítást pilóta nélküli Teslákra cseréli, az utakon bekövetkező balesetek száma többszörösére csökken. De minden baleset sok kérdést vet fel. Nem tudjuk biztosan megmondani, mint egy ember esetében, hogy mi okozta a balesetet. És az emberek félnek ettől az ismeretlentől.”
„Egy másik terület, amely a megerősítő tanulásnak köszönhetően áttörésre vár, a közlekedés”
Hogyan lesznek hasznosak a digitális ikrek az emberiség számára
Megerősítő tanulási algoritmusok tették lehetővéhozzon létre digitális ikreket - tárgyak, folyamatok és akár emberek virtuális prototípusait, amelyek ugyanazokat a tulajdonságokat és jellemzőket tartalmazzák, mint az eredetiek. Az ipari vállalkozások ezt a technológiát például arra használják, hogy egy új szállítószalag elindítása előtt ellenőrizzék, hogy minden folyamat megfelelően be van-e állítva. Természetesen azonnal bedughatja a dugót a konnektorba, de ha meghibásodás történik, akkor időbe és erőforrásba kerül a javítás. Ezért a szállítószalagot először számítógépen indítják el.
Minden sokkal jobb az emberi digitális ikrekkelnehezebb, mert az élő szervezet összetettebb rendszer. Ennek ellenére a tudósok továbbra is elsajátítják a technológiát, virtuális másolatokat készítve az egyes szervekről és az egész szervezetről. Például egy bostoni kórház a szív digitális ikertestvérét használja a műtétek megtervezéséhez. A jövőben ez lehetővé teszi a kezelési módszerek tesztelését egy virtuális páciensen, betegségek előrejelzését, és valószínűleg forradalmat jelent az orvostudományban.
„A mesterséges intelligencia fejlesztése, beleértve az RL-t is, ahhoz vezethetaz a tény, hogy az emberek kezdik jobban megérteni önmagukat” – javasolja Aleksey Shpilman. „Az ember egy zárt rendszer, mert saját agyunkat használjuk önismeretre. De vajon elég nekünk ez az eszköz? Már a pszichológiában is két ember kell a reflexióhoz, és be vagyunk zárva önmagunkba. Globálisan, az Univerzum kontextusában az emberiség még mindig egyedül van, ami azt jelenti, hogy nincs kivel beszélgetnünk, hogy valami újat tudjunk meg magunkról, és kívülről nézzünk. Talán a megerősítő tanulásnak köszönhetően létrehozunk valamiféle entitást önmagunkon kívül. Nem korlátozza az agyunk és a tudatunk, és képes lesz új válaszokat és jelentéseket adni az embernek.”
Miért még mindig korlátozott az RL széles körű alkalmazása?
A tudósok által elért haladás ellenére az RL gyakorlati alkalmazása még mindig korlátozott. A rendszer tanulása sok időt vesz igénybe, és sok hibát követ el, ezért az algoritmus mindenhol megvalósítása nehéz és veszteséges.
„Az ügynöknek több ismétlésre van szüksége, tehát a folyamatnaka tanulás meglehetősen hosszú időt vesz igénybe – magyarázza Alexander Grishin – Ráadásul nem elég, hogy az AI a legjobb akciót hajtsa végre. Fel kell fedeznie a környezetet, mivel nagy jutalom rejtőzhet a jelenleg nem vonzó mozdulatok mögött. A megerősítő tanulás teljes logikája abból adódik, hogy az AI megtanulja feláldozni a rövid távú előnyöket a hosszú távú siker érdekében. Ehhez előre kell gondolkodni, és ki kell számítani az események alakulásának lehetséges forgatókönyveit. Például amikor az ügynök feladja a lovagot, hogy elfogja a királynőt, a tudósok nagyon boldogok lesznek.
A tudósok feladata az AI növekedésének biztosításatanulási ütem és jobb elemzési képesség. Egy hétköznapi probléma azonban gátolja a gyors előrehaladást: munkaerőhiány van a K+F laboratóriumokban és az IT-cégekben. Az egyetemek laboratóriumokat és kutatóközpontokat hoznak létre, a technológiai óriások pedig speciális kurzusokat nyitnak.
„Kutatás a gépi tanulás terén mostnagyon keresett. Az iparág gyorsan fejlődik, és a munkaerőhiány napról napra növekszik” – mondja Alexey Shpilman. „A szakembereknek nagy esélyük van bekapcsolódni olyan folyamatokba, amelyek a felismerhetetlenségig megváltoztatják a világot. Sok érdekes munka. Most az út legelején járunk, de már jó eredményeket értünk el. El tudod képzelni, milyen távlatok nyílnak meg az emberiség előtt az RL használatával?
Olvass tovább:
Az űrszonda 200 km-re repült a Merkúrtól. Nézd, mit látott
A tudósok feltárják, hogyan befolyásolják a vitaminok a rák előfordulását
A kínai gondolatolvasó sisak megszólaltatja a vészjelzőt, ha valaki pornótartalmat lát