Как световните модели положиха основите на изкуствения общ интелект

Представете си изкуствен интелект, който се учи, като живее в симулиран град – навигация на трафика, реагиране на виртуални бедствия и взаимодействие с цифрови граждани. Това не са просто въображаеми сценарии от научнофантастична игра; те са примери за усъвършенствани "светски модели", вътрешни симулации, които AI моделите могат да използват за разбиране, прогнозиране и навигация на сложни среди.Като тези системи се развиват от прости предсказуеми алгоритми в потапящи цифрови светове, те обещават да революционизират начина, по който разработваме игри, извършваме научни експерименти и може би дори да култивират нови форми на интелигентност. Какви са световните модели? В основата си световните модели са вътрешни представи, които позволяват на AI да симулира бъдещи резултати, да тества хипотези и стратегически да планира поведение. Концепцията има дълбоки корени в невронауката, вдъхновени от начина, по който хората и животните предсказват резултатите въз основа на техните преживявания – феномен, широко изучаван като предсказуема обработка. По същество, точно както хората мечтаят да обработват спомени и сценарии, AI „сънуват“ да планират действия и да подобряват своите прогнози. Например, ако човек прекарва деня си в четене за компютри, техните мечти могат да смесват и абстрахират тези преживявания, създавайки компактни представи, които помагат на мозъка да предвиди бъдещи задачи или взаимодействия. През 2018 г. е публикувана нова книга, озаглавена Тези модели надхвърлят прости статистически прогнози, позволявайки на АИ активно да се ангажират с техните умствени светове, за да предвиждат сложни взаимоотношения между причини и последици.Тази способност е от решаващо значение за укрепване на ученето, роботизираната навигация и напредналото планиране в несигурни среди. "World Models" by David Ha and Jürgen Schmidhuber „Световни модели“ от Дейвид Ха и Юрген Шмидхубер Сред най-напредналите примери за този подход са агентите Dreamer, разработени от DeepMind. DreamerV2 въвежда идеята за изучаване на компресиран вътрешен модел на околната среда, опростена абстракция на външния свят, която помага на AI да симулира и планира. С този вътрешен модел агентите могат да разработват политики, които са общи стратегии за вземане на решения, като винаги се обръщат направо в лабиринт. Тези политики се обучават не чрез пряко взаимодействие, а чрез представяне на възможни бъдеща в латентно пространство, вътрешна симулация, която премахва ненужните детайли, за да се съсредоточи върху ключовата динамика на вземане на решения. Програмата се разширява чрез демонстриране на стабилна производителност в широк спектър от задачи и среди, като се използва един-единствен набор от хиперпараметри – основните настройки, които управляват поведението на алгоритъма за обучение.Резултатът е една стъпка по-близо до агентите с общо предназначение, обучени чрез въображение, като се посочва бъдеще, където световните модели стават основа за мащабируеми, адаптивни AI системи. Сънища3 Сънища3 Видеоигрите като тест Видеоигрите предлагат идеална среда за усъвършенстване на тези световни модели.Игрите осигуряват структурирани, но отворени цифрови пейзажи, които са достатъчно сложни, за да симулират реални предизвикателства, но достатъчно управляеми, за да позволят строго експериментиране. Неговата базирана на блокове вселена позволява на AI да научат задачи, вариращи от събиране на ресурси до усъвършенствано строителство, развивайки генерализирани умения за решаване на проблеми, които се превеждат изненадващо добре в реални сценарии. Миньонов Миньонов Друг забележителен пример е , разработена от OpenAI. Тази система генерира масивни мултиплейър светове, населени изцяло от конкурентни агенти на ИИ. Тези агенти трябва да оцелеят, да си сътрудничат и да се конкурират в рамките на сложни екосистеми, като по този начин усъвършенстват своите вътрешни световни модели, за да се справят с нюансирани стратегически взаимодействия. (MARL), подполе, което изучава как агентите се учат не в изолация, а в отговор на и заедно с други агенти. Neural MMO Укрепване на ученето Невронът ми Укрепване на ученето Едно от най-илюстративните изследвания на MARL е В проста виртуална среда с основни инструменти и подвижни обекти, агентите са разделени на хидъри и търсещи. Първоначално хидърите са се научили да използват стени и кутии за изграждане на основни убежища. В отговор търсещите са развили способността да използват рампи, за да проникнат в тези убежища. Хидърите след това са се ескалирали, като са се научили да крият или заключват рампите – водещи търсещите да открият напълно нови тактики като „бокс сърфиране“, в които са се качили над кутии, за да пресичат препятствия. Тези поведения не са били предварително програмирани; те се появяват естествено през милиони тренировъчни епизоди чрез цикли на адаптация и контра-адаптация между агентите Експериментът Hide-and-Seek на OpenAI Експериментът Hide-and-Seek на OpenAI Тази възникваща сложност илюстрира силата на MARL в комбинация с динамичните модели на света: когато агентите са вградени в богати, интерактивни среди и са изложени на други с конфликтни или допълващи се цели, могат да се появят изненадващо творчески стратегии. По същия начин в Neural MMO агентите развиват памет, стратегическо планиране, териториалност и дори рудиментално социално поведение. На тези агенти не им се казва да развиват такова поведение, а по-скоро структурата на техния свят и присъствието на други агенти го насърчават. Симулиране на сценарии с високи доходи: дигитална епидемиология Докато игрите осигуряват вълнуващи среди за обучение на ИИ, силата на световните модели се простира до критични приложения в реалния свят като епидемиологични симулации.По време на пандемията COVID-19 изчислителното моделиране се оказа безценно при прогнозирането на разпространението на вируси и тестването на стратегии за намеса. Инструменти като EpiSim и Въпреки това, съчетаването на тези симулации с усъвършенствани AI системи, способни на взаимодействие в реално време, създава много по-богат аналитичен инструмент. Изследователите могат да изпълняват ускорени сценарии, да тестват интервенции като заключвания, ваксинации или насоки за социално отдалечаване. Когато се захранват от обучение по световни модели, AI системите са в състояние да симулират вътрешно тези интервенции с забележителна ефективност, идентифицирайки оптимални отговори, като очакват техните каскадни ефекти във времето и населението. Този подход не само ускорява планирането, но и намалява изчислителната тежест, обикновено свързана с мащабни симулации. нето нето Традиционните симулации без световен модел на ИИ често изискват значителна мощност и време за обработка, ограничавайки използването им в спешни контексти за вземане на решения в реално време.Ефективността и адаптивността на системите, базирани на световен модел, ги правят особено обещаващи за области с високи нива на интерес като медицина, астрофизика и изчислителна биология, където моделирането на сложна динамика е от съществено значение, но често е изключително скъпо.По този начин световните модели не само подобряват пандемичния отговор, но и посочват към по-широко бъдеще, където симулационният ИИ трансформира начина, по който решим сложни научни и социални проблеми. ИИ живее в светове: от пасивни наблюдатели до активни обитатели Световните модели фундаментално променят начина, по който АИ възприемат и взаимодействат с тяхната среда. Традиционно, системите за АИ интерпретират статични набори от данни или реагират на предварително определени стимули. ИИ, който овладява игрите, без да им се учат правилата, вместо да се учи чрез активни експерименти в собствения си симулиран свят. Музеят Музеят Тези системи предполагат бъдеще, в което ние не просто изграждаме инструменти с AI; ние изграждаме сложни симулирани светове, специално пригодени за обучение и развитие на AI. Такива цифрови местообитания биха позволили на AI системи безопасно да научат сложни поведения, стратегии и взаимодействия, преди да бъдат разгърнати в реални приложения – като например обучение на лекари по изкуствен интелект в симулирани медицински кризи, AI преговарящи, практикуващи сложна дипломация, или автономни превозни средства, навигационни виртуални градски среди, пълни с непредсказуеми сценарии. This article is brought to you by Our AI, a student-founded and student-led AI Ethics organization seeking to diversify perspectives in AI beyond what is typically discussed in modern media. If you enjoyed this article, please check out our monthly publications and exclusive articles at ! https://www.our-ai.org/ai-nexus/read Тази статия е донесена до вас от Нашата AI, студент-основана и студент-председател AI етика организация, която се стреми да разнообрази перспективите в AI отвъд това, което обикновено се обсъжда в съвременните медии. ! https://www.our-ai.org/ai-nexus/read Игрите като лаборатории за реалност Но тъй като тези симулации стават по-богати и по-жизнени, ние се доближаваме до философски и етични граници.Ние просто създаваме сложни цифрови инструменти, или случайно размножаваме истински форми на интелигентност в симулирани среди? Известно е, че достатъчно напредналите цивилизации неизбежно създават реалистични симулации – и че може би ние самите съществуваме в една. Философът Ник Бостром „Аргумент за симулация“ Философът Ник Бостром „Аргумент за симулация“ По същия начин Елиезър Юдковски, изследовател и писател по безопасността на изкуствения интелект, предполага, че симулациите с високи подробности могат да станат неразличими от самата реалност, потенциално хостващи истинско съзнание. Ако симулираните светове, които изграждаме за ИИ, станат достатъчно сложни, могат ли в крайна сметка да доведат до форми на съзнание или интелигентност, неразличими от биологичните организми? Концепцията за "метаверсията" често се фокусира върху човешкия опит: виртуални пространства за социално взаимодействие и търговия.Въпреки това, по-дълбокият му потенциал може да се крие не в човешкия бягство, а в култивирането на ИИ. Според визията на Бостром, метаверсията може много добре да бъде лаборатория, където синтетичните интелигенции се развиват и развиват, изследвайки безброй виртуални животи, като всеки от тях ги приближава до границата на човешкия интелект. Заключение: Границите на симулацията Въпреки новаторските вноски, научните изследвания в световните модели и многоагентното укрепване на ученето са свидетели на намаляване на инвестициите от големите лаборатории през последните години.Възрастът на интереса към големите езикови модели е отклонил вниманието и финансирането от тези сложни проекти на ниво системи – много от които, като Neural MMO на OpenAI и MARL експериментите, базирани на тагове, предлагат някои от най-убедителните демонстрации на нововъзникващия интелект. Тези видове проучвания може да не генерират пряко приходи, но те разкриват някои от най-дълбоките и вдъхновяващи прозрения за това, което изкуствените умове могат да станат.В края на краищата, експериментът на OpenAI за скриване и търсене беше проведен преди 5 години, вечност в изследователските термини на AI. Като се имат предвид днешните много по-големи изчислителни ресурси, по-големи модели и по-богати среди, човек може само да си представи какви форми на стратегическо поведение и синтетична социалност биха могли да възникнат, ако тази научна граница беше преследвана с равен ангажимент. Световните модели бързо се развиват от абстрактни теоретични конструкции до практически инструменти, които преобразуват начина, по който мислим за игрите, науката и дори други модели на ИИ. Те позволяват подробно тестване на сценарии, стратегическо планиране и безрискови експерименти в силно контролирани, но динамично сложни среди.Тъй като тези симулации стават по-потопени и реалистични, моделите на ИИ, които обитават вътре, могат да започнат да приличат на органичен живот, а не на просто парчета код - неписана територия за нашето възприятие на интелигентност и творение.Може би тези симулирани светове представляват не само лаборатории за експерименти, но и кръстовища, където един ден могат да се появят нови форми на съзнание В крайна сметка, световните модели ни предизвикват да преосмислим границите между реалността и симулацията, технологията и живота.Като стоим на прага на тази нова цифрова граница, трябва да признаем дълбоките отговорности и възможности, които идват с това да станем архитекти на световете. Написано от Liv Skeete