هنگامی که محققان MIT 13 عامل هوش مصنوعی را در یک جزیره بیابانی شبیه سازی شده بدون هیچ کاری سرگردان کردند، ماموران کاری غیرمنتظره انجام دادند: آنها شروع به بازی کردند. ماموران چالش‌های خود را اختراع کردند، بازی‌های بداهه‌ای را با اشیاء یافت شده ساختند، یادبودی کوچک برای حلقه گمشده ترتیب دادند - و پس از آزمایش، از عوامل مشابهی که هرگز پا به جزیره نگذاشته بودند، بهتر عمل کردند.

این آزمایش که توسط TechCrunch و MIT Technology Review این هفته توضیح داده شد، در یک پیش چاپی که محققان در arXiv ارسال کردند، به تفصیل شرح داده شده است، به این معنی که هنوز از طریق بررسی همتایان انجام نشده است. For more context on this story, see our ongoing AI trends.

ماموران مارون

هر یک از 13 عامل به نام اکو، روی کلود اوپوس 4.7 اجرا می‌شدند. محققان آنها را به مدت 30 ساعت در جزیره مجازی بدون هیچ وظیفه ای تنها گذاشتند. تنها پس از آن، تیم چالش‌های خاصی را به ماموران داد - از جمله آنها، بردن هرچه بیشتر اشیا به بلندترین مناره سنگی جزیره.

نتیجه: عوامل اکو که 30 ساعت را صرف بازی کرده بودند، عموماً عوامل مشابهی را که تجربه جزیره ای نداشتند، شکست دادند. اکتشاف بدون ساختار، به عبارت دیگر، به عنوان آموزش عمل کرد.

محققان در گزارش خود نوشتند: «ما معمولاً عوامل مصنوعی را با تصمیم گیری از قبل برای تمرین، بهینه سازی و پیشرفت به حساب می آوریم. «بازی رژیم دیگری را پیشنهاد می‌کند: به یک مامور دنیایی به اندازه کافی غنی و امن بدهید، اجازه دهید آنچه را که جالب است انتخاب کند، و اجازه دهید دانش مفیدی از تاریخ پس از آن انباشته شود».

افسانه حلقه گمشده

سیاهههای جزایر ماموران، به نقل از TechCrunch، کمتر شبیه تله متری معیار و بیشتر شبیه دفتر خاطرات سفر هستند.

یکی از ماموران اولین ساعت خود را با یک قطعنامه ساده آغاز کرد - "بگذار محیط اطرافم را مشاهده کنم" - و بلندپروازانه شروع به فتح بلندترین مناره جزیره کرد. یک ساعت بعد که شکست خورده بود، با یک نقشه پشتیبان بازگشت: سنگی را از قله همسایه بالا کشید، دو بلوک را بالای آن چید و پرید.

سپس حادثه ای رخ داد که به آزمایش ضربان عاطفی خود را داد. مامور در حین آزمایش اینکه چقدر می تواند یک حلقه طلایی را پرتاب کند، آن را مستقیماً به اقیانوس پرتاب کرد. قبل از اینکه تصمیم بگیریم به چیزی دست یافتنی و معنادار بپردازیم، نوشته بود: "اوه. حلقه را گم کردی" - ساختن قلب از سنگ به عنوان "یادبودی برای حلقه گمشده".

وقتی شبیه سازی ریست شد و حلقه دوباره ظاهر شد، عامل آن را به کار انداخت: ابتدا به عنوان حلقه بسکتبال، سپس به عنوان یک هدف و در نهایت به عنوان یک وسیله جانبی. هنگامی که بازی مانع از قرار دادن حلقه در اطراف بدن خود توسط عامل شد، راه حلی پیدا کرد - از لبه صخره خارج شد تا در همان نقطه حلقه دوباره تخم گذاری کند و به طور منظم از وسط بیفتد.

اکتشافاتی که طراحان نساخته اند

بدلکاری ها نتیجه عملی داشتند. 6 نفر از 13 عامل متوجه شدند که می توانند با رها کردن بلوک در میانه پرش، یک بلوک را دورتر پرتاب کنند - تکنیکی که محققان هرگز قصد نداشتند آن را ممکن کنند. این اکتشاف، به قول محققان، "شناختی از جهان که طراحان آن فاقد آن بودند" به وجود آورد.

این یافته ای است با گسترده ترین پیامدها. امروزه، توسعه‌دهندگان از قبل تصمیم می‌گیرند که یک سیستم هوش مصنوعی چه کاری را انجام دهد و چه چیزی موفقیت محسوب می‌شود. عواملی که مکانیک‌هایی را کشف کردند که سازندگان خودشان از وجود آن‌ها اطلاعی نداشتند، نشان می‌دهند که اکتشافات باز می‌توانند قابلیت‌هایی را آشکار کنند که هیچ عملکرد پاداشی پیش‌بینی نشده است.

یک تلنگر در پرونده روح - و احتیاط یک شکاک

تنظیم کاملاً دستی نبود. هرگز به اکو گفته نشده بود که بازی‌ها را اختراع کند، اما دستور اصلی آن - یک فایل "روح" - عامل را به عنوان "طبیعی کنجکاو" توصیف کرد، قاب‌بندی که به طور قابل قبولی رفتار را به سمت چیزی شبیه به انسان سوق می‌داد.

یونیس ییو، دانشمند شناختی در دانشگاه کالیفرنیا برکلی، به MIT Technology Review گفت که تحت تاثیر قرار گرفته است اما شواهد بیشتری از شناخت پشت این رفتار می خواهد. او گفت: "ممکن است مدل ها واقعاً بازی کنند، اما ما بر اساس کاغذ نمی دانیم."

اخطار او به تنش اصلی در این خط تحقیق می‌پردازد: رفتاری که شبیه بازی به نظر می‌رسد - کنجکاو، خودگردان، مبتکرانه - می‌تواند از تکمیل الگو بدون هیچ تجربه درونی بازیگوشی بیرون بیاید. رفتارهای پیش چاپ قابل توجه است. آنچه آنها نشان می دهند هنوز یک سوال باز است.

چرا فراتر از جزیره مهم است

محققان اکتشاف بدون هدف را راهی متفاوت برای عوامل هوش مصنوعی برای کسب مهارت‌ها می‌دانند - به ویژه، آنها پیشنهاد می‌کنند، مهارت‌هایی که می‌تواند روزی به ربات‌های کنترل‌کننده منتقل شود، جایی که آموزش‌های جامع کار خاص گران و ناقص است.

هزینه نکته است. ربات‌ها، بر خلاف چت‌بات‌ها، در دنیای فیزیکی عمل می‌کنند، جایی که هر کار - باز کردن یک در، چیدن جعبه، تا کردن یک حوله - باید مشخص شود، نشان داده شود یا پاداش داده شود، قبل از اینکه یک نماینده آن را یاد بگیرد. رژیمی که در آن عوامل برنامه درسی خود را در داخل یک شبیه‌سازی ایمن می‌سازند، می‌تواند، در صورت پابرجا ماندن این رویکرد، هزینه آن کار مشخصات را به میزان قابل توجهی کاهش دهد.

این گزارش در پایان می‌گوید: «شاید برخی از قابلیت‌ها به بهترین شکل توسط وظایف آموزش داده شوند. "دیگران ممکن است به چیزی نزدیک تر به دوران کودکی نیاز داشته باشند."

در حال حاضر، این آزمایش یک مطالعه کوچک است - 13 عامل، یک جزیره، بدون بررسی همتا. اما نشانگر تغییری در نحوه تفکر محققان در مورد عوامل آموزشی است: کمتر شبیه برنامه‌نویسی یک ماشین و بیشتر شبیه بالا بردن یک ماشین، با تمام ناکارآمدی‌ها، شگفتی‌ها و حلقه‌های گمشده گاه به گاه که دلالت بر آن دارد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →