Alat AI yang berbasis di London, DeepMind, telah membuat dua jenis AI yang bertolak belakang yang dapat memakai 'imajinasi' mereka guna merencanakan ke depan dan mengerjakan tugas dengan tingkat keberhasilan lebih tinggi daripada AI tanpa imajinasi. Maaf andai saya menciptakan Anda klik sebab Anda hendak mobil yang ditebak AI. Aku janji ini pun keren. Dalam suatu posting di website mereka, periset DeepMind menyerahkan tinjauan singkat mengenai "keluarga pendekatan baru guna perencanaan berbasis imajinasi." Agen Imajinasi-Augmented yang disebut, atau I2As, memakai 'encoder khayalan internal' yang menolong AI Putuskan apa dan apa yang tidak bermanfaat prediksi mengenai lingkungannya. Para periset berasumsi bahwa memberi AI khayalan sangat urgen untuk menghadapi lingkungan dunia nyata, di mana ini bermanfaat untuk menguji sejumlah kemungkinan hasil perbuatan 'di kepala Anda' untuk menebak mana yang terbaik. Baru-baru ini, pendiri DeepMind, Demis Hassabis mencatat sebuah makalah yang diterbitkan di Neuron mengenai bagaimana pengembangan AI destinasi umum bergantung pada pemahaman dan pengkodean keterampilan manusia laksana imajinasi, keingintahuan, dan kenangan ke AI.
Dengan surat-surat ini, perusahaannya tampaknya membuat peradaban di minimal satu dari lokasi tersebut. Agen 'agen' I2A di surat kabar ditugaskan menghadapi kondisi yang bertolak belakang untuk menguji keterampilan prediksi mereka, "termasuk permainan teka-teki Sokoban dan permainan navigasi antariksa." Sokoban ialah permainan puzzle di mana alien kecil mesti mendorong kotak ke lokasi yang tepat. - Tidak dapat menarik, jadi satu gerakan yang salah dapat mengacaukan semua putaran. Bagi menantang agen tersebut, semua periset mempunyai setiap tingkat prosedural yang didapatkan dan melulu memberi agen tersebut untuk mengatasinya, sebab "ini mendorong agen untuk mengupayakan strategi yang bertolak belakang 'di kepalanya' sebelum mengujinya di lingkungan yang sebenarnya," tulis mereka. Agen-agen tersebut akhirnya tampil lebih baik daripada imajinasi-apalagi rekan-rekannya. Mereka belajar bagaimana menavigasi teka-teki dengan sedikit empiris dengan mengekstrak lebih tidak sedikit informasi dari simulasi internal mereka. Ketika semua peneliti menambahkan komponen 'manajer' yang menolong membuat rencana, ia "belajar menuntaskan tugas dengan lebih tepat guna dengan tahapan yang lebih sedikit." Tentu saja jenis khayalan yang diterangkan dalam makalah ini tidak mendekati apa yang insan mampu, namun memang mengindikasikan bahwa AI bisa dan bermanfaat.
Seperti yang ditulis oleh Hassabis di koran Neuron, membuat agen dengan khayalan yang bisa menyaingi apa yang dapat saya dan anda lakukan "mungkin ialah tantangan terberat untuk penelitian AI: untuk membina agen yang bisa merencanakan secara hierarkis, benar-benar kreatif, dan bisa menghasilkan penyelesaian untuk kendala yang Saat ini bahkan menghindari benak manusia. "Tapi selangkah demi selangkah, kita barangkali akan hingga di sana.
EmoticonEmoticon