Szeroko zakrojone badania nad wykorzystaniem algorytmów uczenia maszynowego w procesie doskonalenia sztucznej inteligencji prowadzi firma OpenAI, która testuje stronnicze algorytmy danych w oparciu o popularne gry wieloosobowe. Firma wyszkoliła od zera m.in. boty do gry Dota 2, aby te były w stanie podejmować niezależne decyzje, bazując wyłącznie na danych wizualnych wyświetlanych podczas rozgrywki. W wyniku wielomiesięcznych eksperymentów udało się wytrenować drużynę botów OpenAI Five i przetestować ją w starciu z zawodowymi graczami e-sportowymi. Zespół mistrzów uległ sztucznej inteligencji.

>>Zautomatyzowane uczenie maszynowe bardziej zaawansowaną formą Machine Learning<<

Rozwój sztucznej inteligencji nie przypomina tradycyjnego programowania

– W ciągu następnej dekady oczekujemy pojawienia się silnej sztucznej inteligencji, która pozwoli na to, żeby maszyna pozyskiwała informacje bez ograniczeń w celu rozwinięcia inteligencji obejmującej wiele dziedzin. Jeżeli zostanie wprowadzona, maszyny będą dysponowały dużo większym zasobem informacji: kiedy jeden samochód autonomiczny wyciągnie wniosek z błędu, pozostałe samochody w sieci nauczą się tego samego. A kiedy człowiek spowoduje wypadek, ktoś inny nie wyciągnie z niego wniosków. Maszyny będą miały dużo więcej możliwości nauki, będą mogły czerpać z większej bazy danych zawierającej wiedzę – Mo Gawdat, twierdzi założyciel One Billion Happy.

Duże nadzieje w rozwoju systemów sztucznej inteligencji pokłada także firma Google, która szkoli swój algorytm AlphaStar na grze StarCraft II. Korporacji udało się dopracować ją do tego stopnia, że jest w stanie wygrać 99,8% punktowanych rozgrywek. AlphaStar jest pierwszą sztuczną inteligencją, która osiągnęła poziom arcymistrzowski w StarCraft II. Tymczasem podczas gry nie wykorzystuje w pełni swojego potencjału – aby wyrównać szanse, twórcy ograniczyli szybkość jej interakcji z interfejsem. AlphaStar może wydawać do 22 komend w ciągu pięciu sekund, co upodabnia ją do zawodowych graczy. Gdyby znieść to ograniczenie, byłaby jeszcze skuteczniejsza.

Sztuczna inteligencja będzie uczyć się na błędach

Google wykorzystuje SI we wszystkich swoich produktach. Algorytmy uczenia maszynowego znajdziemy w wyszukiwarce, filtrze antyspamowym Gmaila czy reklamach AdSense, które dostosowują wyświetlane treści do użytkownika i uczą się jego preferencji. Firma powołała do życia także projekt TensorFlow, otwarty framework sztucznej inteligencji, który pozwala zewnętrznym firmom wykorzystywać technologię uczenia maszynowego do analizowania dużych zbiorów informacji. – Zasoby Google i całego internetu staną się źródłem wiedzy niezbędnej do rozwiązania poważnych problemów przez maszyny. Być może odpowiedź na globalne ocieplenie i zmiany klimatyczne leży w czymś więcej niż tylko zmianie naszych nawyków, stanowiącej jeden z fundamentalnych rozwiązań tego problemu. Może rozwiązania należy szukać po trochu w chemii, w połączeniu ze zrozumieniem pewnych zagadnień z zakresu fizyki kwantowej czy filozofii. Jedna osoba nie jest w stanie tego połączyć, a maszyna wykorzystująca sztuczną inteligencję ma taką umiejętność – twierdzi Mo Gawdat.

Według analityków z firmy Verified Market Research wartość globalnego rynku uczenia maszynowego w 2018 r. wyniosła 3,02 mld dol. Przewiduje się, że do 2026 r. wzrośnie do 26,64 mld dol. przy średniorocznym tempie wzrostu na poziomie 41,5%.

Źródło: Newseria