Újfajta tanulási módot fejlesztettek ki az Okinavai Tudományos és Technológiai Intézet (OIST) kutatói a robotok számára. A szakemberek egy mesterséges intelligencia által irányított virtuális gépet készítettek, amelyek a kíváncsiság jutalmazásával tudják a jelenlegi megoldásoknál hatékonyabban megérteni az emberi nyelvet.
A megoldás abba is betekintést nyújt, miként tud egy gyerek nyelvet tanulni.
Az OIST kutatói a vizsgálatuk során azt találták, hogy a kíváncsiságra alapozott gépek körülbelül fele annyi idő alatt sajátították el a nyelvi alapú feladatokat, mint a hagyományosan képzett robotok. Az agy által ihletett rendszer spontán, játékszerű viselkedést és a szokatlan helyzetek kezelésének javulását is mutatta, ami arra utal, hogy a kíváncsiság által vezérelt tanulás a jövőbeli AI-rendszereket alkalmazkodóbbá és emberszerűbbé teheti.
A nagy nyelvi modellekkel (LLM) ellentétben – amelyek hatalmas adathalmazokból a legvalószínűbb következő szó előrejelzésével generálnak válaszokat – a kutatók egy agy által inspirált architektúrát (PV-RNN) használták. A cél, hogy a robot helyesen értse meg a világot, miközben stabil belső modellt tart fenn róla.
A felfedezés ösztönzése érdekében a csapat a PV-RNN módszert megerősítéses tanulással kombinálta. A robotok külső jutalmat kaptak a nyelvi feladatok teljesítéséért, és belső jutalmat a kíváncsiság kielégítéséért azáltal, hogy ismeretlen helyzeteket fedeztek fel, amelyek a belső megértésük frissítését igényelték. Ez az egyensúly a stabilitás és a felfedezés között lehetővé tette a robotok számára, hogy hatékonyabban fedezzenek fel új megoldásokat az összetett feladatokkal kapcsolatban – írja az Interesting Engineering.
https://hvg.hu/tudomany/20260721_mesterseges-intelligencia-szabalyozasa-fejlesztes-jatekelmelet
A képzés során a kíváncsi robotok váratlan, játékos viselkedést mutattak. Még a kijelölt feladatok elsajátítása után is folytatták a kísérletezést tárgyak borogatásával, annak ellenére, hogy erre nem kaptak közvetlen utasítást. A kutatók azt találták, hogy ez a spontán felfedezés felgyorsította a nyelvtanulást, ami arra utal, hogy a kíváncsiság által vezérelt játék kulcsfontosságú lehet a tudás megszerzésében. Nagyjából úgy, ahogy a kisgyermekek esetében is az.
Az eredményekről a Science Advances című tudományos lapban számoltak be a kutatók.
A kutatók a vizsgálatuk során azt is megállapították, hogy a kíváncsiság önmagában nem elég – gazdag és változatos nyelvi környezettel kellett párosulnia ahhoz, hogy a tanulás megfelelő legyen. A mindössze 48 nyelvi kombinációnak kitett robotok körülbelül 25 százalékos általánosítást értek el. Összehasonlításképpen, a 180 kombinációval képzettek körülbelül 85 százalékot teljesítettek, ami azt mutatja, hogy a változatos nyelvi expozíció drámaian javította a korábban nem látott utasítások megértésének képességét.
A tudósok azt is megfigyelték, ahogy a kíváncsi robotnál a tanulási görbe nagyban hasonlít arra az U alakú görbére, ami a gyerekek tanulására jellemző. Ennek tesztelésére a kutatók szándékosan megfordították két nyelvi feladat jelentését. Kezdetben a robotok helyesen tanulták meg a kivételeket, de ahogy általánosították a tágabb nyelvi szabályokat, teljesítményük átmenetileg romlott, mielőtt ismét helyreállt volna.
A kutatók szerint ennek a viselkedésnek a megjelenése teljesen váratlan volt, mivel a mesterséges intelligencia modellje nem tartalmazott explicit mechanizmust a kivételek vagy a túlzott általánosítás kezelésére.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
