Google DeepMind membuat AI yang bisa membayangkan masa depan

Alat AI yang berbasis di London, DeepMind, telah menciptakan dua jenis AI yang berbeda yang dapat menggunakan 'imajinasi' mereka untuk merencanakan ke depan dan melakukan tugas dengan tingkat keberhasilan lebih tinggi daripada AI tanpa imajinasi. Maaf jika saya membuat Anda klik karena Anda ingin mobil yang diprediksi AI. Aku janji ini juga keren. Dalam sebuah posting di situs mereka, periset DeepMind memberikan tinjauan singkat tentang "keluarga pendekatan baru untuk perencanaan berbasis imajinasi." Agen Imajinasi-Augmented yang disebut, atau I2As, menggunakan 'encoder imajinasi internal' yang membantu AI Putuskan apa dan apa yang tidak berguna prediksi tentang lingkungannya. Para periset berpendapat bahwa memberi AI imajinasi sangat penting untuk menghadapi lingkungan dunia nyata, di mana ini berguna untuk menguji beberapa kemungkinan hasil tindakan 'di kepala Anda' untuk memprediksi mana yang terbaik. Baru-baru ini, pendiri DeepMind, Demis Hassabis menulis sebuah makalah yang diterbitkan di Neuron tentang bagaimana pengembangan AI tujuan umum bergantung pada pemahaman dan pengkodean kemampuan manusia seperti imajinasi, keingintahuan, dan memori ke AI. 

Dengan surat-surat ini, perusahaannya tampaknya membuat kemajuan di setidaknya satu dari area tersebut. Agen 'agen' I2A di surat kabar ditugaskan menghadapi situasi yang berbeda untuk menguji kemampuan prediksi mereka, "termasuk permainan teka-teki Sokoban dan permainan navigasi antariksa." Sokoban adalah permainan puzzle di mana alien kecil harus mendorong kotak ke tempat yang tepat. - Tidak bisa menarik, jadi satu gerakan yang salah bisa mengacaukan seluruh putaran. Untuk menantang agen tersebut, para periset memiliki setiap tingkat prosedural yang dihasilkan dan hanya memberi agen itu untuk mengatasinya, karena "ini mendorong agen untuk mencoba strategi yang berbeda 'di kepalanya' sebelum mengujinya di lingkungan yang sebenarnya," tulis mereka. Agen-agen itu akhirnya tampil lebih baik daripada imajinasi-apalagi rekan-rekannya. Mereka belajar bagaimana menavigasi teka-teki dengan sedikit pengalaman dengan mengekstrak lebih banyak informasi dari simulasi internal mereka. Ketika para peneliti menambahkan komponen 'manajer' yang membantu membuat rencana, ia "belajar menyelesaikan tugas dengan lebih efisien dengan langkah yang lebih sedikit." Tentu saja jenis imajinasi yang dijelaskan dalam makalah ini tidak mendekati apa yang manusia mampu, tapi memang menunjukkan bahwa AI dapat dan bermanfaat.

Seperti yang ditulis oleh Hassabis di koran Neuron, menciptakan agen dengan imajinasi yang dapat menyaingi apa yang dapat kita lakukan "mungkin adalah tantangan terberat bagi penelitian AI: untuk membangun agen yang dapat merencanakan secara hierarkis, benar-benar kreatif, dan dapat menghasilkan solusi untuk tantangan yang Saat ini bahkan menghindari pikiran manusia. "Tapi selangkah demi selangkah, kita mungkin akan sampai di sana.