מערכות בינה מלאכותית שפיתחו מיומנויות ללא מטרות מוגדרות הראו שיפור בביצועים

A group of glossy white humanoid robots against a dark blue background — julien Tromeur / Unsplash

שלושה עשר סוכני בינה מלאכותית עצמאיים בילו שלושים שעות כל אחד בסביבה וירטואלית ללא משימות מוגדרות או נקודות הצלחה, ובמהלך זמן זה יצרו לעצמם אתגרים, ניסו פעולות עם עצמים ולמדו את חוקי הסביבה באופן עצמאי. מחקר זה, שנערך על ידי חוקרים מהמכון הטכנולוגי של מסצ'וסטס, מצביע על כך שחקירה חופשית עשויה לתמוך בפיתוח יכולות של מערכות אוטונומיות, כאשר הסוכנים שנחשפו לחוויה זו הצליחו טוב יותר במבחנים מאוחרים בהשוואה למערכות זהות שלא עברו תהליך דומה.

הסוכנים, שפעלו תחת השם אקו והשתמשו במודל קלאוד אופוס 4.7, לא קיבלו רשימת מטלות מראש ולא נדרשו לבצע פעולות ספציפיות כמו בניית מגדלים, כיבוש פסגות או זריקת חפצים למטרות. עם זאת, משהוצבו בסביבה המדומה, המערכות החלו לארגן לעצמן פעילויות מגוונות. אחד הסוכנים ניסה תחילה לטפס לפסגה הגבוהה ביותר באי, וכאשר הגישה הישירה נכשלה, הוא פיתח שיטה חלופית שהכללה העברת אבן לגבעה סמוכה, הצבת שני בלוקים עליה ושימוש במבנה כנקודת זינוק לקפיצה.

תוצאה משמעותית נוספת התגלתה כאשר שישה מתוך שלושה עשר הסוכנים גילו טכניקה שלא תוכננה על ידי יוצרי הסימולציה: שחרור בלוק במהלך קפיצה מאפשר להשליכו למרחק גדול יותר. גילוי זה מדגים כיצד סוכן יכול ללמוד תכונות סביבתיות שלא נלקחו בחשבון בהנחות המקוריות של המפתחים, ועשוי לשמש מאוחר יותר להשגת יעדים קונקרטיים. במקרה אחר, סוכן בחן את טווח הזריקה של טבעת זהב, השליך אותה לאוקיינוס, ולאחר מכן סידר אבנים בצורת לב כמזכרת לחפץ שאבד.

לאחר איפוס הסביבה וחזרת הטבעת, הסוכן מצא לה שימושים חדשים כטבעת כדורסל, כמטרה וכקישוט. כאשר מנגנון הסימולציה מנע הרכבה ישירה של הטבעת על דמות האווטאר, הסוכן ניצל את מנגנון ההופעה מחדש של הדמות: הוא הציב את הטבעת במקום מתאים, ירד משפת האי, ולאחר שחזור הדמות מצא את עצמו בתוך הטבעת. התנהגויות אלו מדגימות גמישות בשימוש בעצמים ובמנגנונים הזמינים, אף שאין בהן כדי לקבוע שהמערכת חווה משחק במובן האנושי של המילה.

החוקרים תיארו את המחקר במאמר שכותרתו האם המכונה הזו משחקת, שפורסם כטיוטה לפני ביקורת עמיתים בפלטפורמה ארקסיוו. הם מפרשים את ההתנהגויות שנצפו כמפגינות מאפייני משחק, תוך הדגשת החשיבות המעשית שלהן לביצוע משימות עתידיות. עם זאת, פרשנות זו דורשת זהירות, כפי שציינה יוניס ייו, חוקרת מדעי הקוגניציה מאוניברסיטת קליפורניה בברקלי, אשר הדגישה את הצורך בראיות חזקות יותר לגבי התהליכים הקוגניטיביים העומדים בבסיס ההתנהגות, שכן תיאור הפעולות לבדו אינו מכריע בשאלה האם המודלים אכן משחקים.

הניסוי מייצג היפוך של הגישה המקובלת לפיתוח מערכות בינה מלאכותית, שבה המפתחים קובעים מראש מה על הסוכן לתרגל, איזו תוצאה עליו להשיג וכיצד יימדוד ההתקדמות. במקרה זה, נבדקה האפשרות שמיומנויות שימושיות יכולות לצמוח גם ללא יעד כפוי. ההוראה שהגדירה את התנהגות הסוכנים תיארה אותם כסקרנים מטבעם, מאפיין שעשוי היה לעודד חקירה ופעילות הדומה למשחק אנושי. החוקרים רואים בכיוון זה פוטנציאל לפיתוח סוכנים עתידיים, במיוחד מערכות שעשויות בעתיד לשלוט ברובוטים, כאשר סביבת סימולציה בטוחה תאפשר להן ללמוד קשרים ולבחון דרכי פעולה לפני קבלת משימות מוגדרות.