Hãy tưởng tượng một AI học hỏi bằng cách sống trong một thành phố mô phỏng - điều hướng giao thông, phản ứng với thảm họa ảo và tương tác với công dân kỹ thuật số. Đây không chỉ là các kịch bản tưởng tượng từ một trò chơi khoa học viễn tưởng; chúng là ví dụ về các mô hình thế giới tiên tiến, mô phỏng nội bộ mà các mô hình AI có thể sử dụng để hiểu, dự đoán và điều hướng các môi trường phức tạp.Khi các hệ thống này phát triển từ các thuật toán dự đoán đơn giản thành các thế giới kỹ thuật số đắm chìm, chúng hứa hẹn sẽ cách mạng hóa cách chúng ta phát triển trò chơi, thực hiện các thí nghiệm khoa học và thậm chí có thể nuôi dưỡng các hình thức mới của trí thông minh. Các mô hình thế giới là gì? Tại cốt lõi của họ, các mô hình thế giới là các đại diện nội bộ cho phép AI mô phỏng kết quả trong tương lai, giả thuyết thử nghiệm và kế hoạch hành vi chiến lược. Khái niệm này có nguồn gốc sâu sắc trong khoa học thần kinh, lấy cảm hứng từ cách con người và động vật dự đoán kết quả dựa trên kinh nghiệm của họ - một hiện tượng được nghiên cứu rộng rãi như xử lý dự đoán. Về cơ bản, giống như con người mơ ước xử lý ký ức và kịch bản, AI "giấc mơ" để lên kế hoạch hành động và cải thiện dự đoán của họ. Ví dụ, nếu một người dành cả ngày để đọc về máy tính, giấc mơ của họ có thể trộn lẫn và trừu tượng những trải nghiệm đó, tạo ra các đại diện nhỏ gọn giúp não dự đoán các nhiệm vụ hoặc tương tác trong tương lai. Tương tự, các hệ thống Năm 2018, một bài báo mang tựa đề  demonstrated how neural networks could learn internal simulations from experience, significantly enhancing their capabilities. These models go beyond simple statistical predictions, allowing AIs to actively engage with their mental worlds to anticipate complex cause-and-effect relationships. Such capability is crucial for reinforcement learning, robotic navigation, and advanced planning in uncertain environments. "World Models" by David Ha and Jürgen Schmidhuber "World Models" của David Ha và Jürgen Schmidhuber Trong số các ví dụ tiên tiến nhất của cách tiếp cận này là các đại lý Dreamer được phát triển bởi DeepMind. DreamerV2 đã giới thiệu ý tưởng học một mô hình nội bộ nén của môi trường, một sự trừu tượng đơn giản của thế giới bên ngoài giúp AI mô phỏng và lập kế hoạch. Với mô hình nội bộ này, các đại lý có thể phát triển các chính sách, đó là các chiến lược ra quyết định chung, chẳng hạn như luôn luôn xoay phải tại một giao điểm mê cung. Những chính sách này được đào tạo không phải thông qua tương tác trực tiếp, mà bằng cách tưởng tượng tương lai có thể trong một không gian ẩn, một mô phỏng nội bộ loại bỏ các chi tiết không cần thiết để tập trung vào động lực ra quyết định chính. Điều này cải thiện đáng kể hiệu quả, cho phép các đại lý để làm chủ các nhiệm vụ phức tạp với ít tương tác Điều này được mở rộng bằng cách chứng minh hiệu suất mạnh mẽ trên một loạt các nhiệm vụ và môi trường bằng cách sử dụng một tập hợp các siêu tham số duy nhất - các thiết lập điều chỉnh cốt lõi điều khiển cách thức hoạt động của thuật toán học. Kết quả là một bước gần hơn với các đại lý mục đích chung được đào tạo thông qua trí tưởng tượng, chỉ ra một tương lai nơi các mô hình thế giới trở thành nền tảng cho các hệ thống AI có thể mở rộng và thích ứng. Giấc Mơ3 Giấc Mơ3 Trò chơi video như một bài kiểm tra Trò chơi video cung cấp một môi trường lý tưởng để tinh chỉnh các mô hình thế giới này.Trò chơi cung cấp các cảnh quan kỹ thuật số có cấu trúc nhưng mở đủ phức tạp để mô phỏng các thách thức trong thế giới thực nhưng đủ quản lý để cho phép thử nghiệm nghiêm ngặt. Vũ trụ dựa trên khối của nó cho phép AI học các nhiệm vụ từ thu thập tài nguyên đến xây dựng tiên tiến, phát triển các kỹ năng giải quyết vấn đề tổng quát mà dịch đáng ngạc nhiên tốt cho các kịch bản thế giới thực. MineDojo MineDojo Một ví dụ nổi bật khác là , được phát triển bởi OpenAI. Hệ thống này tạo ra các thế giới nhiều người chơi khổng lồ được sinh sống hoàn toàn bởi các đại lý AI cạnh tranh. Những đại lý này phải tồn tại, hợp tác và cạnh tranh trong các hệ sinh thái phức tạp, do đó tinh chỉnh các mô hình thế giới nội bộ của họ để xử lý các tương tác chiến lược sắc nét. (MARL), một lĩnh vực phụ nghiên cứu làm thế nào các tác nhân học tập không phải cô lập, mà là phản ứng với và cùng với các tác nhân khác. Neural MMO Tăng cường học tập thần kinh mmo Tăng cường học tập Một trong những nghiên cứu minh họa nhất của MARL là Trong một môi trường ảo đơn giản với các công cụ cơ bản và các đối tượng di chuyển, các đại lý được chia thành những người ẩn náu và những người tìm kiếm. Ban đầu, những người ẩn náu học cách sử dụng các bức tường và hộp để xây dựng những nơi trú ẩn cơ bản. Đáp lại, những người ẩn náu đã phát triển khả năng sử dụng các đường dốc để xâm nhập vào những nơi trú ẩn này. Những người ẩn náu sau đó leo thang, học cách ẩn hoặc khóa các đường dốc - dẫn những người ẩn náu khám phá những chiến thuật hoàn toàn mới như "hơi lướt hộp", trong đó họ cưỡi trên các hộp để vượt qua những trở ngại. Thí nghiệm Hide-and-Seek của OpenAI Thí nghiệm Hide-and-Seek của OpenAI Sự phức tạp mới nổi này minh họa sức mạnh của MARL kết hợp với các mô hình thế giới năng động: khi các tác nhân được nhúng vào môi trường tương tác phong phú và tiếp xúc với những người khác với các mục tiêu mâu thuẫn hoặc bổ sung, các chiến lược sáng tạo đáng ngạc nhiên có thể xuất hiện. Tương tự như vậy, trong Neural MMO, các tác nhân phát triển trí nhớ, lập kế hoạch chiến lược, lãnh thổ và thậm chí là hành vi xã hội cơ bản. Những tác nhân này không được bảo phát triển các hành vi như vậy, mà là cấu trúc của thế giới của họ và sự hiện diện của các tác nhân khác khuyến khích nó. Sự tương tác này giữa MARL và các môi trường mô phỏng gợi ý một hình thức học tập xã hội tổng hợp, nơi trí thông minh không chỉ phát triển cá nhân mà còn theo ngữ cảnh và cộng đồng. Mô phỏng các kịch bản đòn bẩy cao: Dịch tễ học kỹ thuật số Trong khi các trò chơi cung cấp môi trường thú vị để đào tạo AI, sức mạnh của các mô hình thế giới mở rộng sang các ứng dụng thực tế quan trọng như mô phỏng dịch tễ học.Trong đại dịch COVID-19, mô hình hóa tính toán đã chứng minh là vô giá trong việc dự đoán sự lây lan của virus và thử nghiệm các chiến lược can thiệp. Các công cụ như EpiSim và Tuy nhiên, việc kết hợp các mô hình dịch tễ học chi tiết với các hệ thống AI tiên tiến có khả năng tương tác trong thời gian thực tạo ra một công cụ phân tích phong phú hơn nhiều. Các nhà nghiên cứu có thể chạy các kịch bản tăng tốc, kiểm tra các can thiệp như khóa, tiêm chủng hoặc các hướng dẫn cách xa xã hội. Khi được hỗ trợ bởi đào tạo mô hình thế giới, các hệ thống AI có thể mô phỏng nội bộ các can thiệp này với hiệu quả đáng chú ý, xác định các phản ứng tối ưu bằng cách dự đoán các tác động trùng lặp của chúng trên thời gian và dân số. Cách tiếp cận này không chỉ tăng tốc lập kế hoạch mà còn làm giảm gánh nặng tính toán thường liên quan đến mô phỏng quy mô lớn. Netlogo Netlogo Các mô phỏng truyền thống mà không có mô hình thế giới AI thường đòi hỏi sức mạnh xử lý đáng kể và thời gian, hạn chế việc sử dụng chúng trong bối cảnh ra quyết định khẩn cấp, thời gian thực. Hiệu quả và khả năng thích ứng của các hệ thống dựa trên mô hình thế giới làm cho chúng đặc biệt hứa hẹn cho các lĩnh vực có cổ phần cao như y học, thiên văn vật lý và sinh học tính toán, nơi mô hình hóa động lực phức tạp là cần thiết nhưng thường rất tốn kém. AI sống bên trong thế giới: Từ những người quan sát thụ động đến những người cư trú tích cực Các mô hình thế giới thay đổi cơ bản cách AI nhận thức và tương tác với môi trường của họ. Theo truyền thống, các hệ thống AI giải thích các tập dữ liệu tĩnh hoặc phản ứng với các kích thích được xác định trước. Tuy nhiên, các hệ thống dựa trên mô hình thế giới trở thành những người tham gia tích cực trong thực tế được tạo ra nội bộ của họ, có khả năng suy luận ngữ cảnh và điều chỉnh năng động hành vi của họ. Một AI làm chủ các trò chơi mà không được dạy rõ ràng các quy tắc của họ - thay vì học hỏi thông qua thử nghiệm tích cực trong thế giới mô phỏng của chính nó. MuZero MuZero Những hệ thống này gợi ý một tương lai nơi chúng ta không chỉ xây dựng các công cụ với AI; chúng tôi xây dựng các thế giới mô phỏng tinh vi được thiết kế đặc biệt cho đào tạo và phát triển AI. môi trường sống kỹ thuật số như vậy sẽ cho phép các hệ thống AI an toàn học hành vi phức tạp, chiến lược và tương tác trước khi triển khai vào các ứng dụng thực tế - chẳng hạn như đào tạo các bác sĩ AI trong các cuộc khủng hoảng y tế mô phỏng, các nhà đàm phán AI thực hành ngoại giao phức tạp, hoặc các phương tiện tự trị điều hướng môi trường đô thị ảo chứa đầy kịch bản không thể đoán trước. 
 
 Bài viết này được mang đến cho bạn bởi AI của chúng tôi, một tổ chức đạo đức AI do sinh viên và sinh viên lãnh đạo tìm cách đa dạng hóa quan điểm trong AI vượt ra ngoài những gì thường được thảo luận trong các phương tiện truyền thông hiện đại. Bài viết này được mang đến cho bạn bởi AI của chúng tôi, một tổ chức đạo đức AI do sinh viên và sinh viên lãnh đạo tìm cách đa dạng hóa quan điểm trong AI vượt ra ngoài những gì thường được thảo luận trong các phương tiện truyền thông hiện đại. Trò chơi như phòng thí nghiệm thực tế Nhưng khi các mô phỏng này trở nên phong phú hơn và sống động hơn, chúng ta tiếp cận ranh giới triết học và đạo đức.Chúng ta chỉ đơn giản là tạo ra các công cụ kỹ thuật số tinh vi, hay chúng ta vô tình nuôi dưỡng các hình thức thông minh thực sự trong môi trường mô phỏng? Nó nổi tiếng lập luận rằng các nền văn minh đủ tiên tiến chắc chắn sẽ tạo ra các mô phỏng thực tế – và có lẽ chính chúng ta tồn tại trong một nền văn minh. Triết gia Nick Bostrom, “Sự lập luận mô phỏng” Triết gia Nick Bostrom, “Sự lập luận mô phỏng” Tương tự, Eliezer Yudkowsky, một nhà nghiên cứu và tác giả về an toàn trí tuệ nhân tạo, gợi ý rằng các mô phỏng chi tiết cao có thể trở nên không thể phân biệt được với thực tế chính nó, có khả năng lưu trữ ý thức thực. Nếu các thế giới mô phỏng mà chúng ta đang xây dựng cho AI trở nên đủ phức tạp, họ cuối cùng có thể tạo ra các hình thức nhận thức hoặc trí thông minh không thể phân biệt được với các sinh vật sinh học? Điều này biến vấn đề đào tạo AI từ một vấn đề thực tế thuần túy thành một cân nhắc đạo đức sâu sắc. Khái niệm "metaverse" thường tập trung vào kinh nghiệm của con người: không gian ảo cho sự tương tác xã hội và thương mại. Tuy nhiên, tiềm năng sâu sắc hơn của nó có thể nằm không phải trong sự trốn thoát của con người mà trong việc tu luyện AI. Trong tầm nhìn của Bostrom, metaverse có thể rất tốt là một phòng thí nghiệm nơi trí thông minh tổng hợp phát triển và phát triển, khám phá vô số cuộc sống ảo, mỗi người đưa họ đến gần hơn với ranh giới của trí thông minh giống như con người. Kết luận: Các ranh giới của mô phỏng Mặc dù có những đóng góp đột phá, nghiên cứu về các mô hình thế giới và học tập tăng cường đa đại lý đã chứng kiến sự suy giảm đầu tư từ các phòng thí nghiệm lớn trong những năm gần đây. sự gia tăng quan tâm đến các mô hình ngôn ngữ lớn đã chuyển sự chú ý và tài trợ ra khỏi các dự án phức tạp, cấp hệ thống - nhiều trong số đó, như MMO thần kinh của OpenAI và các thí nghiệm MARL dựa trên thẻ, cung cấp một số minh chứng thuyết phục nhất về trí thông minh mới nổi. Những loại nghiên cứu này có thể không trực tiếp tạo ra doanh thu, nhưng chúng tiết lộ một số hiểu biết sâu sắc và đáng kinh ngạc nhất về những gì trí tuệ nhân tạo có thể trở thành. thí nghiệm ẩn và tìm kiếm của OpenAI, sau khi tất cả, đã được tiến hành 5 năm trước, một vĩnh cửu trong điều kiện nghiên cứu AI. Các mô hình thế giới đang nhanh chóng phát triển từ các cấu trúc lý thuyết trừu tượng thành các công cụ thực tế định hình lại cách chúng ta nghĩ về các trò chơi, khoa học và thậm chí các mô hình AI khác. Chúng cho phép thử nghiệm kịch bản chi tiết, lập kế hoạch chiến lược và thử nghiệm không rủi ro trong môi trường có kiểm soát cao nhưng phức tạp về động. Khi các mô phỏng này trở nên hấp dẫn và thực tế hơn, các mô hình AI sống bên trong có thể bắt đầu trông giống như cuộc sống hữu cơ thay vì chỉ là những mảnh mã - một lãnh thổ chưa được mô tả cho nhận thức của chúng ta về trí thông minh và sáng tạo. Cuối cùng, các mô hình thế giới thách thức chúng ta xem xét lại ranh giới giữa thực tế và mô phỏng, công nghệ và cuộc sống.Khi chúng ta đứng ở ngưỡng cửa của ranh giới kỹ thuật số mới này, chúng ta phải thừa nhận trách nhiệm sâu sắc, và khả năng, đi kèm với việc trở thành kiến trúc sư của thế giới. Viết bởi Liv Skeete

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

Làm thế nào các mô hình thế giới đặt nền tảng cho trí tuệ nhân tạo chung

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

287 Stories To Learn About Blockchain Development

189 Stories To Learn About Reading Books

178 Stories To Learn About Essay

147 Stories To Learn About Reading Books Online

287 Stories To Learn About Blockchain Development

189 Stories To Learn About Reading Books

178 Stories To Learn About Essay

147 Stories To Learn About Reading Books Online

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps