Учёные из Массачусетского технологического института (MIT) выяснили, что обучение искусственного интеллекта в условиях, далеких от реального мира, может дать более высокие результаты. Оказалось, что использование упрощённых сред позволяет ИИ-агентам развивать навыки, которые в дальнейшем помогают им успешно работать в сложных ситуациях.
Исследование показало, что работа ИИ в стабильной среде с минимальным уровнем неопределённости положительно влияет на его способность адаптироваться к нестабильным условиям. Для проверки гипотезы команда специалистов использовала модифицированные версии видеоигр Atari, где были добавлены элементы случайности.
Серена Боно, исследователь из MIT Media Lab, пояснила, что такой метод можно сравнить с тренировками теннисиста в помещении. К примеру, если спортсмен отрабатывает технику в предсказуемых условиях, он лучше справляется с игрой на открытом воздухе, чем если бы сразу начинал тренироваться в нестабильной среде.
Дополнительно было установлено, что эффективность подхода зависит от способа, которым ИИ изучает пространство. Если агентам приходится исследовать схожие участки, то модель, обученная в контролируемых условиях, демонстрирует более высокие результаты. Это объясняется тем, что в упрощённой среде система быстрее осваивает основные принципы работы без внешних факторов, мешающих обучению.
Полученные выводы могут быть полезны в разных сферах, от создания бытовых роботов до разработки автоматизированных решений для промышленности. В дальнейшем учёные намерены продолжить исследования, чтобы выяснить, как этот эффект проявляется в более сложных системах, например, в компьютерном зрении и обработке естественного языка.
Результаты работы будут представлены на конференции Ассоциации по развитию искусственного интеллекта.
Ещё по теме: