Прорыв в ИИ может произойти уже до конца года

Начинается всемирный поиск новых ИИ-моделей, в котором вы можете участвовать

Речь идет об объявленном AIcrowd Facebook AI крауд-конкурсе

проектирования и обучения альтернативных ИИ-агентов, работающих иначе, чем современный мейнстрим машинного обучения с подкреплением.

Недавно DeepMind объявил, что обучение с подкреплением — метод, когда ИИ-агент ничего не знает об окружающей среде, но может самообучаться, взаимодействуя с ней, — может позволить прорыв к ИИ человеческого уровня (AGI).

Этот метод, действительно, весьма перспективен. Но он требует значительного объема вычислений и мощного компьютерного оборудования. А это, к сожалению, не очень подходит за пределами демонстрационных игр, когда цель — не удивить общественность, а решение практических задач в реальном мире.

Facebook решил попробовать обойти эту проблему, организовав всемирный поиск новых ИИ-моделей, позволяющих ИИ-агентам ориентироваться в сложных средах при низких вычислительных затратах.

В качестве супер-теста была выбрана NetHack — старая, но до сих пор одна из самых сложных игр. В ней игроки должны спуститься на 50+ уровней подземелья, чтобы найти магический амулет. Шансов выиграть в эту игру мало даже у ИИ-агентов, разгромивших людей в StarCraft II, Dota 2 и Minecraft. Ведь в этой игре игроки просто мрут, как мухи. А после каждой смерти подземелье полностью перестраивается, тем самым сводя почти что к нулю набранный опыт.

Единственный способ выиграть в таких адских условиях — каким-то образом суметь совместить нестандартное мышление, исследовательские навыки и удачу. Такой ИИ-агент должен уметь совмещать оптимальное применение уже имеющихся знаний со способностью исследовать совершенно неизученные области (т.е. сочетать exploitation & exploration).

Идея исследователей из Facebook проста.

• Авторитеты машинного обучения так пока и не преуспели в создании ИИ-агентов, способных учиться с малыми вычислительными затратами.
• Поэтому вместо того, чтобы самим пытаться поймать «золотую рыбку» прорывной ИИ-модели, Facebook решил провести открытый конкурс, пригласив участвовать всех желающих и предоставив каждому участнику высокотехнологическую «удочку». Ею будет специально разработанная учебная среда с открытым кодом — NetHack Learning Environment (NLE). Это масштабируемая, процедурно генерируемая, стохастическая, весьма сложная среда для исследования обучения с подкреплением в ходе игры ИИ-агента в NetHack.

Работая в среде NLE, участники смогут тратить больше времени на тестирование новых перспективных идей, а не на ожидание результатов длительных вычислений.

Перед ними поставлена задача спроектировать и обучить своего агента каким угодно существующим или изобретенным способом — с машинным обучением или без него, с использованием любой внешней информации, любого метода обучения с любым вычислительным бюджетом.

Единственное требование — создать ИИ-агента, который может быть оценен жюри конкурса. О его результатах будут судить по тому, как часто этот агент выживает и поднимается из подземелья с Амулетом.

Среди альтернативных концепций создания моделей ИИ-агентов — имхо, самой перспективной является модель процесса активного вывода (active inference).

Суть такого процесса в:

✔️ статистической генерации предсказаний (бессознательных выводов об окружающем мире и самом себе на основе внутренней модели);

✔️ проверке этих выводов на основе сенсорных данных;

✔️ и постоянной минимизации ошибок предсказания.

Активный вывод и прогностическое кодирование, объединенные фундаментальным принципом свободной энергии Карла Фристона я называю «конституция биоматематики». Это, по сути, — высший закон, определяющий основной принцип жизни и разума (подробней см. мой пост).

А теперь о самом важном и интересном.

Active Inference Lab (ActInfLab)— некоммерческая лаборатория открытого научного сообщества, занимающаяся курированием и разработкой приложений на основе активного вывода, — будет участвовать в конкурсе Фейсбука.

Участники ActInfLab считают, что агент активного вывода может преуспеть в этой сложной вычислительной задаче, которая требует тонкого баланса между исследованием неизученных областей и применением имеющихся знаний.

Для реализации эффективного агента активного вывода в среде NLE необходимо собрать команду участников с различным опытом и набором навыков (машинное обучение, наука о данных, программирование …)

Этот конкурс является возможностью продемонстрировать потенциал применения алгоритмов активного вывода для эффективного решения открытых проблем в области компьютерных наук.

Если агент активного вывода выиграет соревнование, это приведет к его массовому признанию, что может стать поворотным моментом в развитии ИИ.

Если вы заинтересованы в присоединении к команде, которая возьмет на себя первоначальное планирование и последующие этапы разработки этого проекта, пожалуйста, отправьте письмо с описанием вашего интереса по адресу ActiveInference@gmail.com, как только прочтете этот пост.

В качестве бонуса прочитавшим этот пост

Три новых рассказа самого маэстро Карла Фристона о трёх столпах «конституции биоматематики»

Это эксклюзивные видео — запись трёх позавчерашних выступлений Карла Фристона на Applied Active Inference Symposium, организованном ActInfLab.

• Слушать маэстро Фристона — не самое простое дело.
• Ну а понимать — тем более.

Но оно того стоит.

________________________

• Ваши шансы увидеть мои новые посты быстро уменьшатся до нуля, если вы не лайкаете, не комментируете и не делитесь в соцсетях.
• Алгоритм платформы не будет их вам приоритетно показывать, даже если вы подписаны на мой канал.
• Алгоритм исходит из того, что лучше знает, какие посты вам следует читать, а какие нет.