تقویت هوش مصنوعی در محیط های ناشناخته

به گزارش کارگروه فناوری اطلاعات سایبربان؛ با توجه به پیشرفت روزافزون هوش منصوعی، انتظارات کارشناسان نیز از آن افزایش پیدا می کند. به گونه ای که کارشناسان کارشناسان پیش‌بینی کرده‌اند که ارزش درآمد این فناوری، از 1.64 میلیارد دلار در سال 2018، به 31.2 میلیارد دلار در سال 2025 برسد. به علاوه 84 درصد از مقامات شرکت های مختلف نیز اعتقاد دارند این دستاورد مزیت های رقابتی بسیاری را به کسب و کار آنها ارائه می دهد.

دینل جیانگ (Daniel Jiang)، دانشیار مهندسی صنعتی در دانشکده مهندسی سوانسان دانشگاه پیتسبرگ آمریکا، در رابطه با آمارهای ارائه شده گفت:

مشاهده ی پیشرفت ها و موفقیت های کسب شده در سال های گذشته هیجان انگیز است. به منظور ادامه یافتن این روند، ما قصد داریم روش هایی پیچیده تری را برای الگوریتم ها ایجاد کنیم تا راهبردهای فراگیری برای تصمیم گیری بهتر توسط هوش مصنوعی بهبود پیدا کند.

جیانگ الگوریتم هایی را طراحی کرده است که راهبردهای تصمیم گیری را در محیط هایی پیچیده و غیرقابل اطمینان یاد می گیرند. با آزمایش این الگوریتم ها در بسترهای شبیه سازی شده، نشان داده شده این الگوها می توانند از اشتباهات گذشته ی خود درس گرفته، برای دستیابی به موفقیت، راهبردهای گوناگونی را کشف یا تقویت کنند. برای دستیابی به این موفقیت پژوهشگران مجبور بودند شرایطی نزدیک به واقعیت را شبیه سازی کنند.

وی ادامه داد:

ما به عنوان مهندس های صنعتی، معمولا روی مشکلاتی با تمرکز عملیاتی کار می کنیم. برای مثال می توان به حمل و نقل، لوجستیک و زنجیره ی تامین، سامانه های انرژی و سلامت به عنوان مهمترین حوزه های اشاره کرد. همه ی این چالش ها اغلب در جهان واقعی پیامدهایی را به دنبال دارند. آنها بهترین محیط ها را برای آزمایش فناوری ها ایجاد نمی کنند. به خصوص زمانی که بسیاری از الگوریتم هایمان می توانند به عنوان روشی هوشمندانه برای تکرار فرایند آزمایش و خطا در همه ی اقدامات احتمالی به کار گرفته شوند.

یکی از راهبردهای آماده سازی هوش های مصنوعی پیشرفته برای به کارگرفته شدن در سناریوهای واقعی و پیچیده استفاده از داده های گذشته است. برای مثال الگوریتم ها قادر هستند با بررسی اطلاعاتی که در طول دهه های قبل جمع آوری شده و به وجود آمده اند در زمان تصمیم گیری تشخصیص دهند، کدام راه کار دارای بیشترین تاثیر بوده  و کدام یک نتیجه ای نامطلوب را به دنبال دارد. با وجود این پژوهشگران در حال حاضر دریافته اند که آموزش و سازگاری الگوریتم ها تنها با استفاده از داده های موجود بسیار دشوار است.

محقق یاد شده توضیح داد:

داده های گذشته می توانند مشکل آفرین باشند؛ زیرا عملکرد مردم چالش ها را برطرف ساخته، احتمالات جایگزین را ارائه نمی دهند. به عبارت دیگر برای یک الگوریم مشکل است که بپرسد اگر به جای درب الف، درب ب را انتخاب کنم چه تغییراتی رخ خی دهد؟ در داده های گذشته ما فقط می توانیم عواقب انتخاب درب اول را مشاهده کنیم.

بازی های ویدئویی به عنوان یک جایگزین، محیط های آزمایش بسیار قدرتمندی را ارائه می دهند که بدون ایجاد هیچ گونه خطری، بستری پر از تصمیم گیری های پیچیده را ارائه می دهد. برخلاف دنیای واقعی، هوش مصنوعی در این بسترها به صورتی کاملا ایمن از اشتباهات خود درس می گیرند.

دانشیار مهندسی صنعتی دانشگاه پیتسبرگ افزود:

طراحان بازی ویدئویی، محصولات خود را با هدف آزمایش مدل ها یا شبیه سازی تولید نمی کنند. بلکه از این کار تنها 2 هدف دارند: ایجاد محیط هایی با الگوبرداری از جهان واقعی و به چالش کشیدن خریداران در اتخاذ تصمیم های مشکل. این اهداف با چیزی که ما دنبال آن هستیم کاملا مطابقت دارند. به علاوه بازی ها بسیار سریع تر هستند. تنها در چند ساعت از جهان واقعی ما می توانیم نتایج  صدها هزار تصمیم گرفته شده در روند آن را ارزیابی کنیم.

دینل جیانگ به منظور آژمایش الگوریم خود، از یک بازی در سبک موبا (MOBA¹) استفاده کرد. برای بیان مثالی از این سرگرمی ها می توان به نمونه های مشهوری همچون «League of Legends» یا «Heroes of the Storm» اشاره کرد. در این بازی ها، افراد باید یکی از قهرمان های موجود را انتخاب کرده، همزمان با حفاظت از پایگاه خود، قرارگاه حریف را نابود کند.

یک الگوریتم موفق برای تمرین روند بازی باید با چالش های مختلفی مانند تصمیم گیری در زمان واقعی و گرفتن تصمیم های بلند مدت مواجه شود. تصمیم هایی که نتیجه ی آن تا زمان نامشخی در آینده نامعلوم است.

جیاتگ شرح داد:

ما الگوریتمی را طراحی کردیم که 41 قطعه داده را برای ارزیابی دریافت کرده و یکی از 22 اقدام مختلف را مانند حرکت، حمله یا انجام حرکات ویژه به خروجی ارسال می کند. ما روش های آموزشی گوناگونی را در برابر یکدیگر قرار داده و مقایسه کردیم. نمونه ای که بیشترین موفقیت را کسب کرده بود از درخت جستجوی مونت کارلو (Monte Carlo) برای تولید داده استفاده می کرد و سپس آنها را به شبکه ی عصبی می فرستاد.

مونت کارلو یکی از راهبردهای تصمیم گیری است که بیان می کند حرکات تصادفی بازیکن در بازی ویدئویی یا محیط شبیه سازی شده چگونه باشد. سپس نتایج را به منظور دستیابی به عملکرد موفق تر، تجزیه و تحلیل می کند. با گذشت زمان و تکرار بازی، میزان موفقیت کسب شده و پیروزی الگوریتم مورد بحث بیشتر می شود.

وی توضیح داد:

نتایج نظری تحقیقات ما نشان داد درخت مونت کارلو راهبردی موثر برای آموزش عامل ها به منظور گرفتن تصمیم های مناسب در زمان واقعی است. حتی اگر در محیط عملیاتی کاملا ناشناخته ای قرار داشته باشند.

1.  _{Multiplayer Online Battle Arena}