• هوش مصنوعی جدید DeepMind با مشاهده مستقیم انسان می‌تواند وظایف انسانی را تقلید کند.

Google DeepMind یک مدل هوش مصنوعی توسعه داده است که می‌تواند وظایف را از یک مربی انسانی یاد بگیرد. پس از گذشت زمان کافی، عامل هوش مصنوعی نه تنها می‌تواند اقدامات مربی انسانی را تقلید کند، بلکه می‌تواند رفتار مشاهده شده را نیز به یاد آورد. در مقاله‌ای که در Nature منتشر شده است، در این مطالعه محققان فرایندی به نام انتقال فرهنگی را برای آموزش مدل‌های هوش مصنوعی بدون استفاده از داده‌های از پیش جمع‌آوری‌شده انسانی ترسیم می‌کنند. این شکل جدیدی از یادگیری تقلیدی است که محققان DeepMind معتقدند امکان انتقال کارآمدتر مهارت‌ها به هوش مصنوعی را فراهم می‌کند. به آن مانند تماشای یک فیلم آموزشی فکر کنید، آموزش‌ها را تماشا می‌کنید، یاد می‌گیرید و به کار می‌برید و همچنین درس‌های ویدئو را بعداً به خاطر می‌آورید. این فرایند تقلید در یک محیط شبیه‌سازی‌شده به نام GoalCycle3D انجام می‌شود. در این محیط شبیه‌سازی‌شده، عامل هوش مصنوعی بدون اینکه قبلاً با یک انسان تعامل داشته باشد، از یک نمایشگر انسانی شروع به یادگیری می‌کند. نتایج این آزمایش نشان داد که عامل می‌تواند وظایفی را که نشان داده شده بود انجام دهد و آموخته‌های خود را پس از مدت‌ها به یاد آورد.

کاربرد عملی:

تحقیقات DeepMind می‌تواند آموزش سیستم‌های رباتیک را بهبود بخشد، مانند آموزش کارهایی که می‌خواهید به صورت خودکار انجام شود، مثل بلند کردن و قرار دادن جعبه‌ها. همچنین می‌تواند به طور بالقوه برای سیستم‌های خدمات مشتری مورد استفاده قرار گیرد و توانایی‌های یادگیری تعاملی را تقویت کند تا پشتیبانی از مشتریان را به صورت سفارشی‌تر و تطبیقی‌تری ارائه دهد. مقاله DeepMind بیان می‌کند که این روش جدید آموزش برای کاربردهای دنیای واقعی که جمع‌آوری داده‌های انسانی پرهزینه است و وظایف دارای تنوع زیادی هستند، مهم است. این مقاله همچنین خاطرنشان می‌کند که این رویکرد حریم خصوصی اطلاعات را رعایت می‌کند. از آنجایی که در این رویکرد هوش مصنوعی در زمان واقعی از مشاهده مستقیم یاد می‌گیرد و به مجموعه داده‌های بزرگ متکی نیست، می‌تواند نگرانی‌های مربوط به حریم خصوصی در ذخیره‌سازی داده‌های بزرگ برای آموزش یک مدل هوش مصنوعی را نیز برطرف کند. تحقیقات قبلی در مورد آموزش هوش مصنوعی بر روی یادگیری تقلیدی به صورت تکی و انفرادی متمرکز بود؛ به این معنی که عوامل قبلی نمی‌توانستند چندین کار را با هم یاد بگیرند؛ اما در این رویکرد جدید مدل قادر به یادگیری چندین وظیفه به صورت هم‌زمان است. مطالعه جدید شامل یک سیستم مبتنی بر عامل است که توسط یک شبکه عصبی با استفاده از یادگیری تقویتی عمیق آموزش داده شده است.  با این حال، رویکرد جدید در یادگیری ماشین محدودیت‌های خود را دارد. عامل هوش مصنوعی می‌تواند آنچه را که می‌بیند نادرست برداشت کند. همچنین، سناریوهای آموزشی نسبتاً ساده بودند و سناریوهای متنوع‌تری مورد نیاز است تا ببینیم آیا این تکنیک به طور گسترده‌تری کار می‌کند یا خیر.