Kursy • Poradniki • Inspirujące DIY • Forum
Podejmując się nowych zadań, z pewnością jako pierwsze dobrze jest wystawić sobie mniejsze zadania, aby potem zająć się bardziej skomplikowanymi tematami. Nie inaczej było w przypadku polskiej firmy deepsense.ai, która za cel obrała sieć neuronową, która nauczy się grać w kultowe tytuły Atari, takie jak Breakout, River Raid czy Space Invaders.
https://www.youtube.com/watch?v=JDJaYCs3u2c
Czy taki eksperyment jest zasadny? Zdecydowanie tak! Już w 2013 firma DeepMind przeprowadziła podobny eksperyment. Polacy postanowili iść krok naprzód. Jeżeli sieć neuronowa nauczy się omijać przeszkody i dotrzeć do celu w wirtualnym świecie, to dokonanie tego samego sterując pojazdem w rzeczywistości będzie jedynie kwestią czasu.
Uczenie odbywa się na zasadzie "kar i nagród", które nakierowują algorytm na wyznaczony cel. Program początkowo nie ma żadnego pojęcia o tym czym jest gra i co robić żeby wygrać. Jednak wraz ze zwiększającą się liczbą prób (nawet kompletnie nieudanych) zaczyna rozpoznawać sytuacje i przybliża się do opracowania idealnej strategii.
"Do realizacji badania wykorzystano niekonwencjonalną infrastrukturę, opierając się na procesorach Xeon Intela" – wyjaśnia kierujący tym projektem w deepsense.ai dr hab. Henryk Michalewski z wydziału Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego.
Niezbędne oprogramowanie współtworzyli inżynierowie z polskiego ośrodka badawczo-rozwojowego Intela w Gdańsku. Głównym celem było sprawienie, by program nie rozpraszał zadań na tysiące małych rdzeni, jak przy procesorach graficznych, ale optymalnie wykorzystał moc potężnych procesorów obliczeniowych Intel Xeon. Kolejnym krokiem było uruchomienie nauczania w systemach klastrowych.
Pozwoliło to na skrócenie czasu nauki gry w River Raid czy Breakouta
z 24 godzin do nawet kilkunastu minut!
Oczywiście eksperyment ten nie przekłada się bezpośrednio na rozwiązywanie realnych problemów, wytycza jednak kierunek dla dalszych badań. "Celem działania naszej firmy jest rozwój systemów sztucznej inteligencji, które będą zdolne do działania w naturalnym dla człowieka środowisku i w przyszłości ułatwią życie ludziom. Przykładem mogą być autonomiczne pojazdy czy roboty asystenckie, w szczególności te przeznaczone do pomagania niepełnosprawnym" – wyjaśnia Tomasz Kułakowski, CEO deepsense.ai.
Przyszłość w której obok siebie funkcjonują ludzie i niezawodne roboty jest jeszcze odległa. Temat uczenia maszynowego nie jest do końca wyjaśniony przez co ciężko jest wprowadzić go w systemach wymagających bezbłędnej pracy. Jak myślicie, czy tego typu eksperymenty sprawią, że uczenie maszynowe zostanie w pełni poznane?
To nie koniec, sprawdź również
Przeczytaj powiązane artykuły oraz aktualnie popularne wpisy lub losuj inny artykuł »
ai, Intel, sieci neuronowe, sztuczna inteligencja
Trwa ładowanie komentarzy...