Разработчик Кейван Донягард (Keiwan Donyagard) представил Evolution — небольшую игру-симуляцию, которая позволяет следить за работой и развитием искусственного интеллекта. С помощью набора из костей, мышц и суставов можно создавать небольших существ и дать им задачу научиться прыгать, бегать или ходить, а дальше — следить за их эволюцией. Симуляцию можно опробовать на сайте.

Задача любого вида машинного обучения сводится к тому, чтобы научиться выполнять какую-либо задачу в процессе непрерывных попыток. Тип обучения зависит, например, от архитектуры выбранной нейросети: например, в генеративно-состязательных системах сеть-генератор создает объекты, а сеть-оценщик — сравнивает их с «золотым стандартом», после чего отправляет генератор переделывать объект до достижения лучшего результата. Обычно при анализе работы машинного обучения можно посмотреть на веса — оценки, которые выдаются полученному решению. Эволюцию искусственного интеллекта в процессе обучения теперь можно рассмотреть во всех деталях — с помощью новой игры-симуляции.

Каждое созданное существо оснащено деталями трех типов: костями, мышцами и суставами. Суставы необходимы для того, чтобы соединить вместе кости, а мышцы регулируют движения костей за счет сокращений и растягиваний. В процессе «эволюции» к существую добавляется «мозг» — нейросеть, которая обучается на движениях существа. Единственная из деталей, которой может управлять «мозг» при этом — это мышцы, которых должно быть достаточно для того, чтобы двигались все кости (то есть кость не может не быть соединена с другой костью только сухожилием).

Evolution

В процессе «эволюции» у существа появляется несколько копий, которые двигают мышцы в случайном порядке. При непрерывном растягивании и сокращении мышц система обучается, анализируя определенный набор параметров: расстояние существа до земли и количество точек соприкосновения, его направление движения и скорость, а также его местонахождение в пространстве. Затем, в зависимости от поставленной задачи, система выбирает двух наиболее удачных кандидатов для дальнейшего размножения: соответствующие им параметры затем используются для создания новых существ. Процесс повторяется до тех пор, пока поставленная перед существом задача не будет выполнена максимально корректно.

С помощью такой симуляции, как отмечает Донягард, можно проследить за тем, как обучаются нейросети: сначала случайно выполняя действия, а затем корректирует свое поведение на основе анализа предоставленных ему параметров. Кроме того, симуляция — еще и отличный способ узнать побольше о строении и функционировании приборов, работающих с помощью искусственных мышц. Помимо веб-версии также есть десктоп-версии для разных операционных платформ.

Для эффективного обучения искусственного интеллекта придумывают и другие способы. Например, прошлым летом американские исследователи смогли ускорить процесс обучения роборуки, заставив другую роборуку отбирать у нее предметы.

Автор: Елизавета Ивтушок