काहीही न करता एकटे राहिले, एआय एजंट खेळू लागले

एआय एजंट्स एका विशिष्ट कार्याशिवाय आभासी बेट एक्सप्लोर करण्यासाठी सोडले त्यांनी स्वतःच्या आव्हानांचा शोध लावला. एमआयटीच्या संशोधकांचे म्हणणे आहे की वर्तन हे खेळाचे वैशिष्ट्य आहे.

संशोधकांनी टाकणे इको नावाचे 13 एआय एजंट, प्रत्येक क्लॉड ओपस 4.7 वर चालत आहेत, एकट्या वाळवंट बेटावर 30 तास चालतात. त्यांनी प्रयोगाचे वर्णन a कागद arXiv वर पोस्ट केले, एक साइट जिथे संशोधक समवयस्क पुनरावलोकनापूर्वी अभ्यास सामायिक करतात. त्यानंतर, त्यांनी एजंटना विशिष्ट आव्हाने दिली, जसे की बेटाच्या सर्वात उंच खडकावर जास्तीत जास्त वस्तू मिळवणे. इको एजंट्स ज्यांनी ते 30 तास खेळण्यात घालवले होते त्यांनी सामान्यत: बेटावर कधीही पाऊल ठेवलेल्या समान एजंट्सना हरवले.

आज, विकासक अगोदरच ठरवतात की AI काय सराव करायचा आणि काय यश मानले जाते. संशोधक हे तंत्र पाहतात – ध्येयाशिवाय शोधणे – एआय एजंट्ससाठी कौशल्ये शिकण्याचा एक वेगळा मार्ग म्हणून, विशेषत: एक दिवस रोबोट नियंत्रित करण्यासाठी वापरली जाऊ शकणारी कौशल्ये.

संशोधक त्यांच्या अहवालात लिहितात, “आम्ही सामान्यतः कृत्रिम एजंट्स विकसित करतो त्यांनी काय सराव करावा, त्यांनी काय अनुकूल केले पाहिजे आणि काय प्रगती म्हणून गणली जाते हे आधीच ठरवून. “प्ले आणखी एक नियम सुचवते: एजंटला पुरेसे समृद्ध आणि सुरक्षित जग द्या, त्याला काय मनोरंजक आहे ते निवडू द्या आणि पुढील इतिहासातून उपयुक्त ज्ञान जमा करू द्या.”

“मला माझ्या सभोवतालचे निरीक्षण करू द्या,” एका इकोने बेटावरील पहिल्या तासात लिहिले. महत्त्वाकांक्षीपणे, ते बेटाच्या सर्वात उंच शिखरावर विजय मिळवण्यासाठी निघाले. पण एक तासानंतर, अयशस्वी झाल्यानंतर, तो बॅकअप प्लॅनसह परत आला: त्याने शेजारच्या शिखरावर खडक आणला, त्याच्या वर दोन ब्लॉक रचले आणि उडी मारली.

“मी स्पायरवर आहे,” असे लिहिले आहे.

एजंटचा पुढचा मोठा क्षण आणखी वाईट झाला. सोन्याची अंगठी किती दूर फेकता येईल याची चाचपणी करून ते घाव घालून थेट समुद्रात पाठवले. “अरे. अंगठी हरवली.” “काहीतरी साध्य करण्यायोग्य आणि अर्थपूर्ण गोष्टीकडे वळवण्याचा” निर्णय घेण्याआधी ते लिहिले – दगडांनी बनवलेले हृदय, “हरवलेल्या अंगठीचे स्मारक.”

गेम रीसेट झाल्यावर आणि रिंग पुन्हा दिसू लागल्यावर, इकोने ते थेट बास्केटबॉल हूप, लक्ष्य आणि शेवटी, एक ऍक्सेसरी म्हणून काम करण्यासाठी ठेवले. जेव्हा गेम इकोला स्वतःच्या शरीराभोवती अंगठी घालू देत नाही, तेव्हा इकोने एक उपाय शोधून काढला, की खडकाच्या काठावरुन पडल्याने ते अंगठीच्या त्याच भागात पुन्हा तयार होईल. ती काठावरुन उतरली आणि रिंगच्या मध्यभागी परत आली.

“मी अंगठी घातली आहे,” असे जाहीर केले.

यासारखे स्टंट केवळ पार्टीच्या युक्त्या नव्हते. 13 पैकी सहा एजंटांनी हे देखील शिकले की ते मध्य-उडी सोडून ब्लॉक टाकू शकतात, जे संशोधकांना शक्य करायचे नव्हते. संशोधकांनी लिहिले की, या शोधामुळे “जगाचे ज्ञान जे त्याच्या डिझाइनरकडे नाही” असे संशोधकांनी लिहिले.

एजंटना मानवसदृश वर्तनाकडे नेण्यासाठी सेटअपने बरेच काही केले. इकोला कधीही गेम शोधण्यास सांगितले गेले नाही, परंतु त्याचे मास्टर प्रॉम्प्ट, एक “आत्मा” फाईल, त्याचे वर्णन “नैसर्गिकरित्या उत्सुक” म्हणून केले गेले.

यूसी बर्कले येथील संज्ञानात्मक शास्त्रज्ञ युनिस यिउ यांनी सांगितले एमआयटी टेक पुनरावलोकन ती प्रभावित झाली होती पण तिला वर्तनामागील आकलनाचा अधिक पुरावा हवा आहे. “असे असू शकते की मॉडेल खरोखर खेळत आहेत, परंतु आम्हाला कागदावर आधारित माहित नाही,” ती म्हणाली.

एजंट तयार करण्याचा एक वेगळा मार्ग म्हणून संशोधक ते तयार करतात. “कदाचित काही क्षमता कार्यांद्वारे सर्वोत्तम शिकवल्या जातात,” त्यांच्या अहवालात निष्कर्ष काढला. “इतरांना बालपणाच्या जवळ काहीतरी हवे असेल.”