Mi történik, ha egy AI-nak nem adsz feladatot, csak egy világot, ahol szabadon próbálkozhat? Egy friss kísérlet alapján nem feltétlenül tétlenkedik: saját célokat talál ki, kísérletezik, és közben olyan trükköket is felfedez, amelyekre a készítői nem számítottak.

Mi történt

MIT-kutatók 13 AI ügynököt helyeztek el egy virtuális, lakatlan szigeten 30 órára. Az ügynökök ugyanarra a nagy nyelvi modellre épültek, és nem kaptak konkrét feladatot: egyszerűen felfedezhették a környezetet. A beszámoló szerint ezalatt nem csak céltalanul mozogtak, hanem saját kihívásokat találtak ki maguknak — például megpróbáltak feljutni a sziget legmagasabb sziklatornyára, tárgyakat dobáltak különféle módokon, vagy új „játékokat” találtak ki a környezet elemeiből.

A kutatók ezután célzott feladatokat adtak nekik, például azt, hogy minél több tárgyat juttassanak fel a legmagasabb sziklára. Azok az ügynökök, amelyek korábban eltöltöttek 30 órát a szigeten szabad felfedezéssel, általában jobban teljesítettek, mint az azonos felépítésű, de a környezetet korábban nem ismerő társaik. A kísérlet során több rendszer magától rájött például arra is, hogy egy tárgyat messzebbre lehet dobni, ha ugrás közben engedi el. Ez azért érdekes, mert a kutatók nem kifejezetten ezt a viselkedést tervezték bele: az ügynökök a világ működéséről olyan gyakorlati tudást szedtek össze, amely részben a tervezők számára sem volt nyilvánvaló.

Miért fontos

A mai AI-rendszereket jellemzően nagyon célzottan tréningezik: előre megmondják nekik, mit kell gyakorolniuk, és mi számít sikernek. Ez a kísérlet egy másik logikát tesztel: előbb legyen egy elég gazdag és biztonságos környezet, ahol a rendszer szabadon próbálkozhat, és csak utána jöjjenek a konkrét feladatok. Gondolj rá úgy, mint a különbségre egy vizsgafelkészítő feladatsor és egy játszótér között. Az első hatékonyan készít egy ismert célra, a második viszont olyan általános készségeket fejleszthet, mint a próbálkozás, az eszközhasználat vagy a környezet szabályainak felismerése. Ez különösen fontos lehet robotikában, ahol egy gépnek nem csak „helyes választ” kell adnia, hanem a fizikai világban kell eligazodnia.

Közben azért érdemes óvatosnak maradni. A tanulmány még nem esett át szakmai lektoráláson, és nem egyértelmű, hogy itt valóban „játékról” van-e szó emberi értelemben, vagy inkább olyan viselkedésmintákról, amelyek annak tűnnek. A MIT Technology Review-nak nyilatkozó Eunice Yiu kognitív tudós épp ezt emelte ki: a látott eredmény érdekes, de a mögöttes megismerési folyamatokra még nincs elég bizonyíték.

Mire figyelj

  1. Az egyik nagy kérdés az lesz, hogy ez a megközelítés más környezetekben is működik-e, vagy csak egy gondosan felépített virtuális világban.
  2. Fontos lesz látni, hogy a „szabad felfedezés” valóban átvihető-e robotokra, ahol a hibák nem csak viccesek, hanem költségesek vagy veszélyesek is lehetnek.
  3. Azt is érdemes követni, hogy a kutatók mennyire tudják szétválasztani a valódi tanulást attól, amit a rendszer induló utasításai sugallnak. Ha egy modellt eleve „kíváncsinak” írnak le, az könnyen befolyásolhatja, milyen viselkedést látunk tőle.
  4. Ha az eredmények megismételhetők, az AI-fejlesztésben erősödhet egy olyan irány, ahol nem minden képességet közvetlen utasításokkal tanítanak, hanem részben „gyerekkorhoz” hasonló, nyitott felfedezéssel építenek fel.