Teknikken, der lærte AI at spille Go, kan stadig ikke lære en bil at køre

Kategori: Kunstig intelligens Udsendt 15 jan

Reinforcement learning (RL), kategorien af ​​maskinlæring, der er afhængig af straffe og belønninger, kan være en kraftfuld teknik til at lære maskiner at tilpasse sig nye miljøer.

Deepminds AlphaGo brugte det til at besejre verdens bedste Go-spiller på trods af aldrig at have spillet ham før. Det har også vist sig lovende i skabelsen af ​​robotter, der kan præstere under skiftende forhold.

Men teknikken har sine begrænsninger. Det kræver, at en maskine bommer rundt, da den langsomt forfiner sine handlinger over tid. Det er fint i laboratoriet, eller når du spiller et brætspil. Den er knap så ideel til applikationer som selvkørende biler, hvor en bommert kan være fatal.

Som svar har forskere udviklet forskellige måder at omgå behovet for træning i den virkelige verden. En bil kan bruge trafikdata til at lære at køre i en sikker digital kopi af den fysiske verden, for eksempel for at komme forbi dens bommertende fase uden at bringe nogen i fare.

Men dette er ikke en perfekt løsning. En maskine kan stadig lave dyre fejl, når den støder på situationer uden for rammerne af dens træningsdata. I et tilfælde opdagede forskere ved New York University, at en bil havde lært at lave 90 graders sving til modkørende trafik (heldigvis inden for en simulering), fordi dens træningsdatasæt ikke omfattede den slags scenarier. Det er overflødigt at sige, at dette ikke er levedygtigt for sikkert at træne en selvkørende bil eller for eksempel en robotkirurg.

Det samme hold på NYU og direktøren for AI-forskning på Facebook, Yann Lecun, er nu foreslår en ny metode der kunne overvinde dette problem. Ud over at straffe og belønne en bil for køreadfærd, straffede de den også for at forvilde sig ind i scenarier, hvor den ikke har nok træningsdata.

I bund og grund tvinger dette bilen til at gå mere forsigtigt frem, forklarer Mikael Henaff, en af ​​forfatterne til undersøgelsen, i stedet for at lave vilde sving og andre manøvrer, der placerer den helt i ukendt territorium.

Da de testede deres nye tilgang, fandt de ud af, at den var bedre end tidligere metoder til at få bilen til at navigere sikkert i tæt trafik. Det var dog stadig ikke så godt som menneskelig præstation, så der mangler stadig at blive gjort mere arbejde.

Denne historie dukkede oprindeligt op i vores AI-nyhedsbrev The Algorithm. For at læse historier som denne først, få The Algorithm leveret direkte til din indbakke. Abonner her gratis.