Er zijn tal van toepassingen van Artificial Intelligence of AI omdat het een zelflerend systeem zou moeten zijn. Wat je het systeem ook leert, het wordt verondersteld het te begrijpen en zich eraan aan te passen, terwijl het daarnaast enkele dingen leert die eigenlijk niet gecodeerd zijn. Er zijn veel bedrijven die aan hun eigen versie van AI werken, maar OpenAI, opgericht door Elon Musk, is nu in de news voor het trainen van een robothand die een Rubik's Cube kan oplossen. Hoewel het in eerste instantie misschien niet iets groots lijkt, is het inderdaad een opmerkelijke prestatie.
Maak kennis met Dactyl
Dactyl is een robotarm ontwikkeld door OpenAI, die werd gebruikt laten zien verhoogde behendigheid in robotica. Het bedrijf trainde een paar neurale netwerken om een Rubik's Cube op te lossen met behulp van Dactyl. Om echter te begrijpen wat er gebeurt, moeten we kijken naar hoe algemene AI werkt. Op dit moment gebruiken we taakherhaling voor het trainen van een neuraal netwerk, wat in feite neerkomt op het jarenlang in een versneld tempo iets laten oefenen in een virtuele omgeving.
Automatic Domain Randomization (ADR) schiet te hulp
Herinner je je OpenAI Five nog? Zo niet, weet dan dat het een AI-systeem is dat in staat was om enkele van de beste DOTA 2 menselijke spelers te verslaan. Het werd getraind in het spel om de regels te leren en strategieën te formuleren door duizenden wedstrijden te spelen. Hoewel deze methode hiervoor geschikt is software Op basis van inspanningen kun je je niet echt voorstellen dat je een robothand jarenlang traint om op dezelfde manier een Rubik's Cube op te lossen.
Daarom bedacht OpenAI enkele nieuwe simulaties om het te trainen. Hoewel simulaties al zijn gebruikt om een dergelijke taak uit te voeren, waren ze niet echt nauwkeurig en leken ze niet zo goed op de echte natuurkunde. Daarom ontwikkelde het bedrijf een nieuwe methode, Automatic Domain Randomization (ADR) genaamd, die in staat is om eindeloos steeds moeilijker wordende simulatieomgevingen te genereren. Volgens OpenAI: "Dit (ADR) bevrijdt ons van het hebben van een nauwkeurig model van de echte wereld, en maakt het mogelijk de overdracht van neurale netwerken die in simulatie zijn geleerd, toe te passen op de echte wereld."
Bang voor de robotopstand?
Hoe dramatisch en technisch het ook klinkt, neurale netwerken zijn bij lange na niet in de buurt van menselijke snelheid en behendigheidsniveaus, vooral als het gaat om het oplossen van een Rubik's Cube. Hoewel de demonstratie door OpenAI een goed voorbeeld is van hoe simulaties kunnen worden geïmplementeerd en om de basis te leggen voor robots voor algemeen gebruik. "Wij geloven dat behendigheid op menselijk niveau op weg is naar het bouwen van robots voor algemene doeleinden en we zijn verheugd om in deze richting door te gaan", zegt OpenAI.
Beeldcredits: OpenAI
Blijf op de hoogte Silicon Canals voor meer Europese technologie news.