ASI聯盟推出了AIRIS(自主智慧強化推斷符號)系統,該系統"學習"於流行遊戲Minecraft之中。
AIRIS代表了第一個原型AGI(人工通用智慧),它利用了聯盟的全面技術棧。
由著名AI研究員Ben Goertzel博士創立的SingularityNET使用了Fetch.ai的代理技術,並結合了Ocean Data的長期記憶能力,預計將很快整合CUDOS計算基礎設施以獲得可擴充套件的處理能力。
"AIRIS是實用、可擴充套件的神經符號學習方向上的一個重要步驟,除了其已經強大和有價值的功能,它還說明了神經符號系統的幾個一般性特點,比如它們能夠從少量資料中學習出精確的可推廣結論,"Goertzel解釋道。
據該公司介紹,這種聯盟驅動的過程將AIRIS推向AGI,打造出第一批具有自主和自適應學習能力的智慧系統,為現實世界場景提供實用應用。
AIRIS的學習機制
AIRIS被設計用於透過直接與環境互動來增強理解,超越了依賴於預定義規則或大量資料集的傳統AI侷限性。相反,AIRIS透過觀察、實驗和不斷完善其獨特的"規則集"來進化。
這一系統促進了深層次的問題解決和情境理解,其在Minecraft中的實施為AI與數字和實體景觀的互動樹立了新的基準。
從受控的2D網格轉向Minecraft複雜的3D世界,AIRIS面臨著眾多挑戰,包括地形導航和在動態環境中的自適應問題解決。這一轉變突出了AIRIS在導航、探索和學習方面的自主性。
AIRIS Minecraft代理與其他AI實體的不同之處在於以下幾個關鍵特點:
- 動態導航: AIRIS最初評估其環境以制定移動策略,並實時適應新環境。它的能力包括繞過障礙物、跳過障礙物以及預測對不同地形的反應。
- 障礙物適應: 它學會繞過懸崖和森林等障礙物,透過每一個新的挑戰來完善其規則集,避免重複錯誤並最小化不必要的試錯。
- 高效路徑規劃: 透過持續最佳化,AIRIS從最初複雜的導航路徑轉變為簡潔直接的路徑,因為它"理解"了Minecraft的動態。
- 實時環境適應: 與需要大量重新訓練才能適應新環境的傳統強化學習系統不同,AIRIS能夠立即適應陌生區域,並根據部分觀察動態地制定新規則。
AIRIS在應對包括水體和洞穴系統在內的變化地形方面的熟練程度,引入了基於實踐經驗的複雜規則細化。此外,AIRIS還擁有最佳化的計算效率,能夠在不影響效能的情況下實時管理複雜規則。
未來應用
Minecraft為AIRIS的潛在應用提供了一個出色的發射臺,為廣泛的實施奠定了堅實的基礎:
- 增強的物件互動: 未來的階段將賦予AIRIS更深入地與其環境互動的能力,提高物件操作、建造和製作的能力。這一發展將要求AIRIS建立更精細的決策框架來處理情境任務。
- 社交AI協作: 正在計劃將AIRIS納入多代理場景,在這裡代理商學習、互動並實現共同目標,模擬現實世界的社會動態和協作問題解決。
- 抽象和戰略推理: 擴充套件的發展將增強AIRIS的推理能力,使其能夠處理諸如資源管理和優先順序等複雜目標,超越基本導航向戰略遊戲發展。
AIRIS向3D環境的轉移標誌著ASI聯盟實現AGI目標的一個關鍵進步。透過AIRIS在Minecraft中的導航和學習成就,ASI聯盟希望加快其在現實世界的部署,開創自主機器人、智慧家居助理等需要自適應學習和問題解決能力的系統的應用。
SingularityNET的AI開發者、AIRIS的創造者Berick Cook表示:"AIRIS是一種全新的機器學習方法。我們才剛剛開始探索它的能力。我們很興奮看到它如何應用於傳統強化學習面臨重大挑戰的問題。"
"對我來說,AIRIS最重要的方面是它的透明性和可解釋性。遠離'黑箱'AI代表了在追求安全、道德和有益AI方面的重大進步。"
AIRIS中體現的AI創新方法——強調自主學習和持續規則完善——為能夠在不可預測的現實環境中獨立執行的AI系統奠定了基礎。Minecraft複雜的生態系統使該系統能夠在受控但廣闊的虛擬環境中磨練其技能,有效地彌合了模擬和現實之間的鴻溝。
AIRIS Minecraft代理代表了邁向能夠從環境中學習、適應並自主做出決策的AI的首個切實步驟。這一成就說明了這種技術在重塑各行業AI角色方面的潛力。
(圖片由SkyeWeste提供)
另見:SingularityNET押注超級計算機網路實現AGI
想從行業領袖那裡瞭解更多關於AI和大資料的知識嗎?檢視在阿姆斯特丹、加州和倫敦舉辦的AI & Big Data Expo。這個全面的活動與其他領先活動如Intelligent Automation Conference、BlockX、Digital Transformation Week和Cyber Security & Cloud Expo同時舉辦。
在這裡探索其他即將到來的企業技術活動和網路研討會:https://techforge.pub/events/。
本文最初發表於AI News。