Polacy zajęli się AI. Czego ją nauczyli?

AdaSubS to polski wkład w rozwój sztucznej inteligencji.

Doktoranci z Uniwersytetu Warszawskiego stworzyli algorytm AI, który zostanie zaprezentowany podczas konferencji ICLR (International Conference on Learning Representations). To doroczne wydarzenie jest okazją do zaprezentowania najnowszych postępów w uczeniu maszynowym, badań z obszarów deep learning i data science. Polski zespół zaprezentuje podczas niej algorytm Adaptive Subgoal Search (AdaSubS). Jest to połączenie uczenia maszynowego z klasyczną algorytmiką. Efekt? Pomaga sztucznej inteligencji samodzielnie konstruować kolejne kroki do rozwiązywania złożonych problemów lub konstruowanie narzędzi lub robotów do wykonywania bardziej złożonych zadań.

Polska ekipa to: Michał Zawalski, Michał Tyrolski, Konrad Czechowski, Piotr Piękos KAUS (praca napisana podczas pracy na Uniwersytecie Warszawskim), doktorant z Uniwersytetu Jagiellońskiego Damian Stachura, a także dr Tomasz Odrzygóźdź z IDEAS NCBR, Yuhuai Wu z Google Research, dr Łukasz Kuciński z Instytutu Matematycznego PAN i prof. Piotr Miłoś, lider zespołu badawczego w IDEAS NCBR, związany również z Instytutu Matematycznego PAN. Jak podsumował prof. Miłoś:

Zakwalifikowanie się na jedną z najważniejszych konferencji informatycznych i to z wyróżnieniem “notable-top-5%” jest wyjątkowym osiągnięciem dla polskiej nauki. W badaniach nad rozwojem sztucznej inteligencji nie odstajemy od światowej czołówki

Jak działa algorytm Adaptive Subgoal Search? Koncepcja jest prosta. Każde złożone zadanie dzieli się na pod-zadania, a każde pod-zadanie na kolejne kroki do wykonania. To nie tylko przekłada się na precyzję wszystkich czynności, ale jest również niezwykle ekonomicznym rozwiązaniem - potrzeba mniej mocy do działania serwerów. Tomasz Odrzygóźdź, postdoc w IDEAS NCBR, wyjaśnia:

Istnieje wiele palących problemów, które są zbyt trudne, aby można je było rozwiązywać dokładnie i szybko. Przydatne może być nasza innowacyjna metoda, która jest wydajna i naśladuje sposób w jaki my, jako ludzie, naturalnie myślimy

Sztuczna inteligencja jest w stanie nauczyć się, jak samodzielnie rozkładać swoje zadania na mniejsze kroki. Aby ją w tym kierunku wytrenować, używano kostki Rubika. Obserwując efekty jej mieszania i analizując tysiące możliwych kombinacji, algorytm sam opracował “kamienie milowe” na drodze do ułożenia kostki. Jej umiejętności adaptacyjne były również testowane na grze logicznej Sokoban i nierównościach matematycznych. Okazało się, że polski algorytm jest w stanie rozwiązywać te zadania w mniejszej średniej ilości kroków niż najlepsze dotąd znane w tym zakresie algorytmy.

Zobacz również:

Michał Zawalski, doktorant na Uniwersytecie Warszawskim, wyjaśnia:

Celowo uczyliśmy nasz algorytm nie na strategiach mistrzów kostki Rubika, a na zwykłym, losowym obracaniu kostki. Sukces polega m.in. na tym, że to w zupełności wystarczyło. Pokazaliśmy, że nawet tak “tanie'” dane uzyskane prostym sposobem są wystarczające, by algorytm był w stanie stworzyć sobie dobre pod-zadania do osiągnięcia celu

A jakie są praktyczne możliwe zastosowania algorytmu AdaSubS? Zdolność uczenia się na bieżąco z pewnością pomogłaby systemom sterującym autonomicznymi pojazdami, a także w rozwoju maszyn domowych, które nauczyłyby się poruszać po terenie oraz wykonywać złożone zadania. Dr Łukasz Kuciński dodaje, że "AdaSubS jest algorytmem ogólnego zastosowania, co daje nadzieję na wyskalowanie jego użycia do ważnych problemów nauki oraz życia codziennego. W planach mamy wykorzystanie metody do automatycznego dowodzenia twierdzeń (ang. automated theorem proving, abbreviated ATP), robotyki, automatycznego pisania programów (ang. program synthesis), gier wieloosobowych czy retrosyntezy".

Wyróżniona praca polskich naukowców dostępna jest w bazie arXiv oraz na specjalnej stronie internetowej.

Źródło: informacja prasowa

Aktualne ceny w sklepach