Suni Zeka Saklambaç Oynayarak Strateji Geliştirmeyi Öğrendi
OpenAI’de çalışan araştırmacılar, daha karmaşık suni zeka geliştirmek için suni zekaya 500 milyon kere karışık bir saklambaç oyunu oynattı. Suni zeka, 500 milyon emek vermeden sonrasında karmaşık davranışlar geliştirmek suretiyle gelişti.
Dünya’da yaşamın başladığı zamanlarda organizmaların koordinasyon kabiliyetleri ya oldukça azdı ya da asla yoktu. Rekabet ve naturel seçilim kanalıyla milyarlarca yıl devam eden evrim bugünkü yaşam formlarına ve insan zekasına yol açtı.
San Francisco’da bulunan, kâr amacı gütmeyen suni zeka laboratuvarı OpenAI’daki araştırmacılar, organizmaların evriminden yola çıkarak bir hipotez ortaya atıyor: dünyadakine benzer bir rekabeti yansılamak edebilirseniz, daha karmaşık bir suni zeka gelişebilir mi?
OpenAI’de meydana gelen emek harcama iki düşünce üstünde kuruldu. Çoklu öğrenme sonucu ortaya çıkan davranışları kışkırtmak için rekabete yada koordinasyona dayalı oldukça algoritmalara yerleştirme ve denemeyle bir netice elde etmeyi öğrenen hususi makine öğrenme tekniği şeklinde bu iki düşünce özetlenebilir.
OpenAI, yayınladığı yazı ile çalışmanın ilk neticelerini deklare etti. OpenAI’daki araştırmacılar, iki rakip suni zeka aracı ekibine milyonlarca kere rahat bir saklambaç oyunu oynattı. Suni zeka ekipleri, saklambaç oyununda karmaşık bir gizleme ve arama stratejisi geliştirdiler.
OpenAI’deki araştırmacılar, emek harcama sonucunda hangi özelliklerin ortaya çıktığını görmek için suni zeka tekniklerini ölçeklendirdiler.
500 milyon kere tekrarlanan saklambaç oyunu için araştırmacılar, bloklar, rampalar, hareketli ve hareketsiz barikatlardan oluşan bir sanal ortam tasarladılar. Tasarlanan bu alanda çalışan suni zeka ekipleri saklananlar ve arayıcılar olmak suretiyle iki ayrı grup haline getirildi. Saklananlar, saklanırken başarısız olma durumlarına gore ödüllendirildi ya da cezalandırıldı. Arayıcılar da, saklayıcıları bulmakta başarıya ulaşmış olup olmamalarına gore cezalandırıldı ya da ödüllendirildi. Saklambaç oyunu esnasında araştırmacılar bir vakit sınırı da belirledi.
Milyonlarca kere oynanan oyun esnasında araştırmacılar birkaç strateji ve karşı strateji geliştirdi. Saklambaç oyunun ilk seferlerinde suni zeka ekipleri, kaba stratejiler kullandılar. Sadece 25 milyon kere tekrarlanan oyunlar sonrasında daha sofistike stratejiler geliştirildi.
Saklananlar, 25 milyon oyun sonrasında çevrelerinde olan bloklardan kale inşa etmeyi, kutulardan barikat oluşturmayı ve kutularla yolları kilitlemeyi öğrendi. Bu şekilde arayan suni zeka ekipleri, saklananları bulamadılar. Bununla birlikte saklananlar, vakit içinde kale inşa sürecini hızlandırmayı ve birbirlerinin nesnelerini geçmek için stratejiler öğrenmeye başladılar.
75 milyon denemeden sonrasında, arayıcı ekipteki suni zekalar, saklananlara karşı bir karşı strateji geliştirdi. Arayıcılar, 75 milyon denemeden sonrasında alanda bulunan rampaları taşıyarak kalelerin duvarına tırmanmayı öğrendiler. 10 milyon tecrübe etme sonrasında ise rampaları, kale inşa edilmeden ilkin, kale inşa edilemeyecek şekilde konumlandırmayı öğrendiler.
85 milyon denemeden sonrasında araştırmacılar, üretilen stratejilerin son aşamasına gelindiğini düşündü. Sadece 380 milyon oyun sonrasında iki strateji daha ortaya çıktı.
Arayanlar, bu kez kilitli olmayan bir kutuya tırmanmak için kilitli bir rampayı kullanarak kalelere girmeyi öğrendiler. Saklayıcılar ise, kale inşa etmeden ilkin tüm rampaları ve kutuları kilitlemeyi öğrendiler.
Araştırmacılardan Bowen Baker, “Gözlem esnasında saklananlara ya da arayanlara bir kutunun yakınında durmalarını ya da onunla kontakt kurmalarını söylemedik. Sadece oldukça taraflı bir rekabet kanalıyla öteki takıma uyum sağlayarak yeni davranış şekilleri geliştirdiler” dedi.
OpenAI’nın suni zeka alanında yapmış olduğu emek harcamalar benzersiz. OpenAI laboratuvarı, yeni teknikler geliştirmek için yatırımlar halletmeye devam ediyor. Fakat bilhassa mevcud teknikleri geliştirme mevzusunda öteki laboratuvarların oldukça daha önündeler. OpenAl’nın temel olarak ortaya çıkardığı geniş kapsamlı hesaplama kaynakları.
OpenAI’da devam eden emek harcama, mevcut teknolojilerin sınırlarını ölçerek ve kontrol ederek doğruluyor. OpenAI’nın araştırmacı ekibi bu araştırmaya devam etmeyi planlıyor. Araştırmacılara gore ilk gözlem esnasında hesaplama kaynaklarının sınırlarına ulaşmaya daha yaklaşmadılar.
OpenAI’nın araştırmacılarına gore suni zeka öğrenme kanalıyla mevcut iyi mi çözeceğimizi bilmediğimiz problemlerin çözümü sağlanabilir.
