Většina lidí věří, že kouzlo umělé inteligence se odehrává v oblacích. Obvykle to začíná pixely. DeepMind to prokázal již na začátku.
Použili učení hlubokého posílení. Zní to těžkopádně. Znamená to jednoduše kombinovat neuronové sítě metodou pokus-omyl. Žádné manuály. Žádná pomoc. Systém pozoroval nezpracovaný vstupní signál z obrazovky. Hrála. Mýlila se. Studovala.
Jaké hry zvládne Atari AI bez pravidel?
Výsledky byly působivé. Systém se naučil hrát asi 50 různých her Atari 2600.
Neznala pravidla. Technicky vzato nechápala, co je to „počet“. Viděla jen pixely. Přizpůsobila se. Vyhrávala. To nebylo předem napsáno. Bylo to otevřené.
Systém byl trénován přímo z hrubého vstupu z obrazovky, bez předchozí znalosti pravidel.
Toto je hlavní práce. Naučte stroj vidět, nejen počítat.
Proč WaveNet mění hru pro syntetickou řeč
Hry jsou jedna věc. Hlasy jsou různé. Lidé okamžitě poznají falešný zvuk. Nebo to tak alespoň bývalo.
V 2016 DeepMind představil WaveNet. Toto je neuronová síť. Její úkol? Vytvářejte realistickou lidskou řeč. Ne robotické. Ne nepřirozené. Ten pravý.
Přímo syntetizovala zvukové vlny. Můžete slyšet rozdíl. Zní to lidsky. Ne jako počítač, který se snaží být člověkem.
Jak to ovlivní budoucí vývoj AI
Takže co to pro vás znamená?
To znamená, že vstupní práh pro „inteligenci“ se snížil. Nemusíte programovat každé pravidlo. Potřebujete jen správný tréninkový systém.
Deep Reinforcement Learning funguje pro hry. WaveNet funguje pro hlas. Mechanismus je stejný: data, zpětná vazba, iterace.
Je to ideální? Ne. To vyžaduje velké výpočetní zdroje. To vyžaduje obrovské datové sady. Ale kompromis stojí za to. Získáte systémy, které se přizpůsobí. Systémy, které zobecňují.
Dalším krokem nejsou jen větší modely. Tohle je chytřejší učení. Méně kontroly. Více autonomie.
Hranice stále určujeme. Ale laťka už byla zvednutá.
