जब एमआईटी शोधकर्ताओं ने 13 एआई एजेंटों को एक नकली रेगिस्तानी द्वीप पर फंसा दिया, जिनके पास करने के लिए कुछ नहीं था, तो एजेंटों ने कुछ अप्रत्याशित किया: उन्होंने खेलना शुरू कर दिया। एजेंटों ने अपनी स्वयं की चुनौतियों का आविष्कार किया, पाई गई वस्तुओं के साथ खेल में सुधार किया, एक खोई हुई अंगूठी के लिए एक छोटे से स्मारक का मंचन किया - और, जब बाद में परीक्षण किया गया, तो उन समान एजेंटों से बेहतर प्रदर्शन किया जिन्होंने कभी द्वीप पर कदम नहीं रखा था।
इस सप्ताह टेकक्रंच और एमआईटी टेक्नोलॉजी रिव्यू द्वारा वर्णित प्रयोग, शोधकर्ताओं द्वारा arXiv पर पोस्ट किए गए प्रीप्रिंट में विस्तृत है, जिसका अर्थ है कि यह अभी तक सहकर्मी समीक्षा के माध्यम से नहीं आया है। For more context on this story, see our ongoing AI news.
असहाय एजेंट
13 एजेंटों में से प्रत्येक, जिसे एको कहा जाता है, क्लाउड ओपस 4.7 पर चलता था। शोधकर्ताओं ने उन्हें बिना किसी कार्य के 30 घंटे के लिए आभासी द्वीप पर अकेला छोड़ दिया। इसके बाद ही टीम ने एजेंटों को विशिष्ट चुनौतियाँ दीं - उनमें से द्वीप के सबसे ऊंचे चट्टान शिखर पर यथासंभव अधिक से अधिक वस्तुओं को लाना शामिल था।
परिणाम: जिन ईको एजेंटों ने 30 घंटे खेलने में बिताए थे, वे आम तौर पर उन्हीं एजेंटों को हरा देते थे जिनके पास द्वीप का कोई अनुभव नहीं था। असंरचित अन्वेषण, दूसरे शब्दों में, प्रशिक्षण के रूप में कार्य करता है।
शोधकर्ताओं ने अपनी रिपोर्ट में लिखा है, "हम आम तौर पर कृत्रिम एजेंटों को पहले से तय करके विकसित करते हैं कि उन्हें क्या अभ्यास करना चाहिए, उन्हें क्या अनुकूलित करना चाहिए और क्या प्रगति के रूप में गिना जाता है।" "नाटक एक और व्यवस्था का सुझाव देता है: एक एजेंट को पर्याप्त रूप से समृद्ध और सुरक्षित दुनिया दें, उसे वह चुनने दें जो दिलचस्प है, और आने वाले इतिहास से उपयोगी ज्ञान जमा करने की अनुमति दें।"
खोई हुई अंगूठी की कथा
टेकक्रंच द्वारा उद्धृत एजेंटों के द्वीप लॉग, बेंचमार्क टेलीमेट्री की तरह कम और यात्रा डायरी की तरह अधिक पढ़े जाते हैं।
एक एजेंट ने अपना पहला घंटा एक सरल संकल्प के साथ शुरू किया - "मुझे अपने परिवेश का निरीक्षण करने दें" - और महत्वाकांक्षी रूप से द्वीप के सबसे ऊंचे शिखर को जीतने के लिए निकल पड़ा। एक घंटे बाद, असफल होने पर, यह एक बैकअप योजना के साथ लौटा: इसने पड़ोसी शिखर पर एक चट्टान खींची, उसके ऊपर दो ब्लॉक रखे और छलांग लगा दी।
फिर वह घटना घटी जिसने प्रयोग को भावनात्मक गति दे दी। यह परीक्षण करते समय कि यह एक सुनहरी अंगूठी को कितनी दूर तक फेंक सकता है, एजेंट ने इसे सीधे समुद्र में छोड़ दिया। "आउच। खोई हुई अंगूठी," इसमें लिखा था, "कुछ प्राप्त करने योग्य और सार्थक की ओर बढ़ने" का निर्णय लेने से पहले - "खोई हुई अंगूठी के स्मारक" के रूप में पत्थरों से एक दिल का निर्माण करना।
जब सिमुलेशन रीसेट हो गया और रिंग फिर से प्रकट हुई, तो एजेंट ने इसे काम पर लगा दिया: पहले एक बास्केटबॉल घेरा के रूप में, फिर एक लक्ष्य के रूप में, और अंततः एक सहायक उपकरण के रूप में। जब गेम ने एजेंट को रिंग को अपने शरीर के चारों ओर रखने से रोक दिया, तो उसे एक समाधान मिला - रिंग के समान स्थान पर प्रतिक्रिया करने के लिए चट्टान के किनारे से हटना, बीच से बड़े करीने से गिरना।
वे खोजें जो डिजाइनरों ने नहीं बनाईं
स्टंट का व्यावहारिक लाभ मिला। 13 एजेंटों में से छह ने यह पता लगाया कि वे एक ब्लॉक को बीच में ही छोड़ कर दूर तक फेंक सकते हैं - एक ऐसी तकनीक जिसे शोधकर्ताओं ने कभी भी संभव बनाने का इरादा नहीं किया था। शोधकर्ताओं के शब्दों में, इस अन्वेषण से "दुनिया का वह ज्ञान प्राप्त हुआ जो इसके डिजाइनरों के पास नहीं था।"
यह व्यापक निहितार्थ वाली खोज है। आज, डेवलपर्स पहले से तय कर लेते हैं कि एआई सिस्टम क्या अभ्यास करता है और सफलता के रूप में क्या गिना जाता है। अपने स्वयं के रचनाकारों को नहीं पता था कि यांत्रिकी की खोज करने वाले एजेंटों का सुझाव है कि ओपन-एंड अन्वेषण ऐसी क्षमताओं को सामने ला सकता है जिनकी कोई उम्मीद नहीं है।
आत्मा फ़ाइल में एक हलचल - और एक संशयवादी की सावधानी
सेटअप पूरी तरह से व्यावहारिक नहीं था। एको को गेम का आविष्कार करने के लिए कभी नहीं कहा गया था, लेकिन इसके मास्टर प्रॉम्प्ट - एक "आत्मा" फ़ाइल - ने एजेंट को "स्वाभाविक रूप से जिज्ञासु" के रूप में वर्णित किया, एक फ्रेमिंग जिसने व्यवहार को कुछ मानवीय चीज़ों की ओर प्रेरित किया।
यूसी बर्कले की एक संज्ञानात्मक वैज्ञानिक यूनिस यिउ ने एमआईटी टेक्नोलॉजी रिव्यू को बताया कि वह प्रभावित थीं लेकिन व्यवहार के पीछे की अनुभूति के और अधिक सबूत चाहती हैं। उन्होंने कहा, "यह मामला हो सकता है कि मॉडल वास्तव में खेल रहे हों, लेकिन हम कागज के आधार पर नहीं जानते।"
अनुसंधान की इस पंक्ति में केंद्रीय तनाव पर उनकी चेतावनी मिलती है: व्यवहार जो खेल जैसा दिखता है - जिज्ञासु, स्व-निर्देशित, आविष्कारशील - चंचलता के किसी भी आंतरिक अनुभव के बिना पैटर्न पूरा होने से उभर सकता है। प्रीप्रिंट का व्यवहार हड़ताली है; वे क्या संकेत देते हैं यह अभी भी एक खुला प्रश्न है।
यह द्वीप से परे क्यों मायने रखता है
शोधकर्ता लक्ष्य-मुक्त अन्वेषण को एआई एजेंटों के लिए कौशल हासिल करने के एक अलग तरीके के रूप में देखते हैं - विशेष रूप से, वे सुझाव देते हैं, ऐसे कौशल जो एक दिन रोबोट को नियंत्रित करने में स्थानांतरित हो सकते हैं, जहां संपूर्ण कार्य-विशिष्ट प्रशिक्षण महंगा और अधूरा है।
खर्च ही मुद्दा है. रोबोट, चैटबॉट्स के विपरीत, भौतिक दुनिया में कार्य करते हैं, जहां प्रत्येक कार्य - एक दरवाजा खोलना, एक बॉक्स को ढेर करना, एक तौलिया को मोड़ना - एक एजेंट द्वारा इसे सीखने से पहले निर्दिष्ट, प्रदर्शित या पुरस्कृत किया जाना चाहिए। एक ऐसी व्यवस्था जिसमें एजेंट एक सुरक्षित सिमुलेशन के अंदर अपना स्वयं का पाठ्यक्रम बनाते हैं, यदि दृष्टिकोण कायम रहता है, तो उस विनिर्देशन कार्य की लागत में काफी कटौती हो सकती है।
रिपोर्ट का निष्कर्ष है, "शायद कुछ क्षमताएं कार्यों द्वारा सबसे अच्छी तरह से सिखाई जाती हैं।" "दूसरों को बचपन जैसी किसी चीज़ की आवश्यकता हो सकती है।"
अभी के लिए, प्रयोग एक छोटा अध्ययन है - 13 एजेंट, एक द्वीप, कोई सहकर्मी समीक्षा नहीं। लेकिन यह एक बदलाव की ओर इशारा करता है कि शोधकर्ता प्रशिक्षण एजेंटों के बारे में कैसे सोचते हैं: एक मशीन की प्रोग्रामिंग करना कम और एक मशीन को बढ़ाना अधिक पसंद है, जिसमें सभी अक्षमताएं, आश्चर्य और कभी-कभी खोई हुई अंगूठियां शामिल हैं।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
