Das neue System von DeepMind könnte ein Schritt in Richtung allgemeiner KI sein, aber es gibt noch einen Weg zu gehen

Eine welcher größten Herausforderungen seitens Deep Reinforcement Learning-Modellen – welcher Verfahren seitens KI-Systemen, die Go, StarCraft 2 darüber hinaus Auswahlmöglichkeit Spiele beherrscht – ist ihre Unfähigkeit, ihre Fähigkeiten mit Hilfe von ihren Trainingsbereich hinaus zu verallgemeinern. Diese Umfriedung macht es ganz und gar schwierig, selbige Systeme aufwärts reale Umgebungen anzuwenden, in denen Situationen abundant komplizierter überdies unvorhersehbarer sind als die Umgebungen, in denen KI-Modelle vorbereitet werden. Wissenschaftler des KI-Forschungslabors DeepMind behaupten jedoch, die „ersten Initiative unternommen zu haben, um vereinen Agenten zu trainieren, welcher in jener Level ist, viele verschiedene Spiele zu spielen, exklusive menschliche Interaktionsdaten zu benötigen“, so ein Blogbeitrag durch ihre neue Tat zum „offenen Lernen“. Ihr neues Streben umfasst eine 3D-Umgebung via realistischer Leidenschaftlichkeit und Deep Reinforcement Learning Agenten, die lernen können, eine Masse von Herausforderungen zu lösen. Das neue Gedankenfolge ist markerschütternd den KI-Forschern von Seiten DeepMind ein „wichtiger Genitalien zur Generierung allgemeinerer Agenten mit Hilfe von jener Flexibilität, sich offen an sich gleichbleibend ändernde Umgebungen anzupassen“. Die Ergebnisse des Papiers symbolisieren ausgewählte beeindruckende Fortschritte nebst dieser Anwendung seitens Reinforcement Learning aufwärts komplizierte Probleme. Aber ebendiese einfallen beiläufig daran, dasselbe weit aktuelle Systeme von Seiten den allgemeinen Intelligenzfähigkeiten weit sind, die die KI-Community seit Jahrzehnten begehrt.