OpenAI’de çalışan araştırmacılar, daha karmaşık yapay zeka geliştirmek için yapay zekaya 500 milyon kere karışık bir saklambaç oyunu oynattı. Yapay zeka, 500 milyon emek harcamadan sonrasında karmaşık davranışlar geliştirmek suretiyle gelişti.
Dünya’da yaşamın başladığı zamanlarda organizmaların koordinasyon kabiliyetleri ya oldukça azdı ya da asla yoktu. Rekabet ve organik seçilim kanalıyla milyarlarca yıl devam eden evrim bugünkü yaşam formlarına ve insan zekasına yol açtı.
San Francisco’da bulunan, kâr amacı gütmeyen yapay zeka laboratuvarı OpenAI’daki araştırmacılar, organizmaların evriminden yola çıkarak bir hipotez ortaya atıyor: dünyadakine benzer bir rekabeti öykünmek edebilirseniz, daha karmaşık bir yapay zeka gelişebilir mi?
OpenAI’de meydana gelen emek verme iki düşünce üstünde kuruldu. Çoklu öğrenme sonucu ortaya çıkan davranışları kışkırtmak için rekabete yada koordinasyona dayalı oldukça algoritmalara yerleştirme ve denemeyle bir netice elde etmeyi öğrenen hususi makine öğrenme tekniği şeklinde bu iki düşünce özetlenebilir.
OpenAI, yayınladığı yazı ile çalışmanın ilk neticelerini açıkladı. OpenAI’daki araştırmacılar, iki rakip yapay zeka aracı ekibine milyonlarca kere rahat bir saklambaç oyunu oynattı. Yapay zeka ekipleri, saklambaç oyununda karmaşık bir gizleme ve arama stratejisi geliştirdiler.
OpenAI’deki araştırmacılar, emek verme sonucunda hangi özelliklerin ortaya çıktığını görmek için yapay zeka tekniklerini ölçeklendirdiler.
500 milyon kere tekrarlanan saklambaç oyunu için araştırmacılar, bloklar, rampalar, hareketli ve hareketsiz barikatlardan oluşan bir sanal ortam tasarladılar. Tasarlanan bu alanda çalışan yapay zeka ekipleri saklananlar ve arayıcılar olmak suretiyle iki ayrı grup haline getirildi. Saklananlar, saklanırken başarısız olma durumlarına bakılırsa ödüllendirildi ya da cezalandırıldı. Arayıcılar da, saklayıcıları bulmakta başarıya ulaşmış olup olmamalarına bakılırsa cezalandırıldı ya da ödüllendirildi. Saklambaç oyunu esnasında araştırmacılar bir süre sınırı da belirledi.
Milyonlarca kere oynanan oyun esnasında araştırmacılar birkaç strateji ve karşı strateji geliştirdi. Saklambaç oyunun ilk seferlerinde yapay zeka ekipleri, kaba stratejiler kullandılar. Sadece 25 milyon kere tekrarlanan oyunlar sonrasında daha sofistike stratejiler geliştirildi.
Saklananlar, 25 milyon oyun sonrasında çevrelerinde olan bloklardan kale inşa etmeyi, kutulardan barikat oluşturmayı ve kutularla yolları kilitlemeyi öğrendi. Bu şekilde arayan yapay zeka ekipleri, saklananları bulamadılar. Bununla beraber saklananlar, süre içinde kale inşa sürecini hızlandırmayı ve birbirlerinin nesnelerini geçmek için stratejiler öğrenmeye başladılar.
75 milyon denemeden sonrasında, arayıcı ekipteki yapay zekalar, saklananlara karşı bir karşı strateji geliştirdi. Arayıcılar, 75 milyon denemeden sonrasında alanda bulunan rampaları taşıyarak kalelerin duvarına tırmanmayı öğrendiler. 10 milyon tecrübe etme sonrasında ise rampaları, kale inşa edilmeden ilkin, kale inşa edilemeyecek şekilde konumlandırmayı öğrendiler.
85 milyon denemeden sonrasında araştırmacılar, üretilen stratejilerin son aşamasına gelindiğini düşündü. Sadece 380 milyon oyun sonrasında iki strateji daha ortaya çıktı.
Arayanlar, bu kez kilitli olmayan bir kutuya tırmanmak için kilitli bir rampayı kullanarak kalelere girmeyi öğrendiler. Saklayıcılar ise, kale inşa etmeden ilkin tüm rampaları ve kutuları kilitlemeyi öğrendiler.
Araştırmacılardan Bowen Baker, “Gözlem esnasında saklananlara ya da arayanlara bir kutunun yakınında durmalarını ya da onunla kontakt kurmalarını söylemedik. Sadece oldukça taraflı bir rekabet kanalıyla öteki takıma uyum sağlayarak yeni davranış şekilleri geliştirdiler” dedi.
OpenAI’nın yapay zeka alanında yapmış olduğu emek harcamalar benzersiz. OpenAI laboratuvarı, yeni teknikler geliştirmek için yatırımlar hayata geçirmeye devam ediyor. Fakat bilhassa mevcud teknikleri geliştirme mevzusunda öteki laboratuvarların oldukça daha önündeler. OpenAl’nın temel olarak ortaya çıkardığı geniş kapsamlı hesaplama kaynakları.
OpenAI’da devam eden emek verme, mevcut teknolojilerin sınırlarını ölçerek ve kontrol ederek doğruluyor. OpenAI’nın araştırmacı ekibi bu araştırmaya devam etmeyi planlıyor. Araştırmacılara bakılırsa ilk gözlem esnasında hesaplama kaynaklarının sınırlarına ulaşmaya daha yaklaşmadılar.
OpenAI’nın araştırmacılarına bakılırsa yapay zeka öğrenme kanalıyla mevcut iyi mi çözeceğimizi bilmediğimiz problemlerin çözümü sağlanabilir.
