🆒 🏀 👨🏿‍🤝‍👨🏼 क्यों अटारी डीपमाइंड एआई सफलता निराशाजनक है 🧓🏽 👭 🍈

जो चित्र आप देख रहे हैं वह डीपमाइंड साइट से लिया गया है और 57 गेम दिखाता है जिसमें उनके नवीनतम विकास Agent57 ( हैबे पर लेख की समीक्षा ) ने सफलता हासिल की है। 57 नंबर खुद छत से नहीं लिया गया था - ठीक इसी तरह से कई खेलों को 2012 में अटारी खेलों के लिए AI के डेवलपर्स के बीच एक प्रकार का बेंचमार्क बनने के लिए चुना गया था, जिसके बाद विभिन्न शोधकर्ता इस विशेष डेटासेट पर अपनी उपलब्धियों को मापते हैं।

इस पोस्ट में, मैं लागू कार्यों के लिए उनके मूल्य का आकलन करने के लिए अलग-अलग कोणों से इन उपलब्धियों को देखने की कोशिश करूंगा, और उचित ठहराऊंगा कि मुझे विश्वास क्यों नहीं है कि यह भविष्य है। खैर और हां, कट के नीचे कई तस्वीरें होंगी, मैंने चेतावनी दी थी।

ऊपर दिए गए लिंक में, डेवलपर्स ने सही बातें लिखी हैं, यह कहते हुए

इसलिए हालांकि औसत स्कोर बढ़े हैं, अब तक, उपरोक्त मानव खेलों की संख्या नहीं है। एक उदाहरण के रूप में, बीस कार्यों से युक्त एक बेंचमार्क पर विचार करें। मान लीजिए कि एजेंट A आठ कार्यों पर 500%, चार कार्यों पर 200% और आठ कार्यों पर 0% (मतलब = 240%, औसत = 200%) प्राप्त करता है, जबकि एजेंट B सभी कार्यों पर 150% का स्कोर प्राप्त करता है ( माध्य = माध्य = 150%)। औसतन, एजेंट A, एजेंट B से बेहतर प्रदर्शन करता है। हालांकि, एजेंट B के पास अधिक सामान्य क्षमता है: यह एजेंट A की तुलना में अधिक कार्यों पर मानव-स्तरीय प्रदर्शन प्राप्त करता है।

उंगलियों पर किसका अर्थ है कि पहले सभी को "औसत" स्टैंडिंग में मापा गया था, उन मामलों को दूर करना जो एक कंप्यूटर के लिए मुश्किल हैं, लेकिन अब वे सिर्फ उन्हें ले गए हैं। और इस प्रकार, उन्होंने मनुष्य पर वास्तविक श्रेष्ठता हासिल की, न कि कंप्यूटर के अनुकूल मामलों पर सुपर-परिणाम।

लेकिन आइए इस समस्या को समझने के लिए वैश्विक स्तर पर समस्या को देखें। वीडियो गेम के साथ डीपमाइंड एआई की बातचीत क्या है

एक तारांकन एआई की मदद से नहीं, बल्कि विशेषज्ञ की राय से बनाई गई एल्गोरिथम द्वारा प्राप्त संस्थाओं को निरूपित करेगा।

सर्किट को डिसाइड करने से पहले, आइए एक वैकल्पिक दृष्टिकोण देखें:

वीडियो सारांश

स्कीम इस तरह हो जाती है। और यदि आप लेखक के चैनल पर चढ़ते हैं, तो आप इसके एप्लिकेशन को रेट्रो गेम्स में पा सकते हैं। इस योजना को बदलते हुए, हम इस निष्कर्ष पर पहुंचे कि प्रशिक्षण की गति और प्रभावशीलता परिमाण के आदेशों से बढ़ रही है, लेकिन इस तरह की यात्रा की उपलब्धियों का वैज्ञानिक और इंजीनियरिंग मूल्य 0 के करीब हो जाता है (और हां, मैं लोकप्रिय मूल्य को ध्यान में नहीं रखता हूं)।

हम मान सकते हैं कि पूरी बात यह है कि वीडियो को पाइपलाइन से फेंक दिया गया है, लेकिन निम्नलिखित योजना पर विचार करें (मुझे यकीन है कि किसी ने कुछ इसी तरह लागू किया है, लेकिन हाथ में कोई लिंक नहीं है):

जिसे तब लागू किया जाता है जब एक विशेषज्ञ जो आवश्यक विशेषताओं को जानता है, एक वीडियो स्ट्रीम पार्सर लिखता है जो मुख्य पिक्सेल का उपयोग करके सुविधाओं की गणना करता है।

या ऐसी योजना भी:

जहां पहले, एआई 1 को वीडियो के एक विशेषज्ञ द्वारा चयनित सुविधाओं को निकालने के लिए प्रशिक्षित किया जाता है।

और फिर AI1 को AI1 का उपयोग करके वीडियो स्ट्रीम से निकाले गए फीचर्स द्वारा खेलना सिखाया जाता है। इसलिए हमें एक योजना मिली है कि:

एक वीडियो स्ट्रीम का उपयोग करता है, और दुनिया के मॉडल के लिए सीधी पहुंच नहीं है।
एक विशेषज्ञ द्वारा लिखित वीडियो स्ट्रीम पार्सर्स पर भरोसा नहीं करता है
यह डीपमाइंड के विकास की तुलना में कई बार आसान और अधिक कुशलता से प्रशिक्षित किया जाएगा

लेकिन ... हम एक ही बात पर आते हैं। इस तरह के एक कार्यान्वयन, फिर से, रेट्रो गेम के लिए आवेदन के संदर्भ में न तो वैज्ञानिक और न ही इंजीनियरिंग मूल्य होगा, क्योंकि एआई 1 आधुनिक छवि प्रसंस्करण एल्गोरिदम के लिए एक लंबे समय से हल किया गया और बहुत ही आदिम कार्य है, और एआई 2 भी बहुत जल्दी और सरल रूप से बनाया गया है, जो उपरोक्त वीडियो के लेखक की पुष्टि करता है ।

तो, अटारी खेलों के लिए डीपमाइंड एल्गोरिदम का मूल्य क्या है? मैं संक्षेप में बताने की कोशिश करूंगा: मूल्य यह हैदीपमाइंड एल्गोरिदम उन परिस्थितियों में एमएम दुनिया के एक आदिम मॉडल के साथ खेल के लिए इष्टतम व्यवहार रणनीति खोजने में सक्षम हैं जब विश्व मॉडल एस (एमएम, टी) की स्थिति को एक निश्चित विकृत कार्य एफ (एस (एमएम, टी)) द्वारा महत्वपूर्ण विकृतियों के साथ दर्शाया जाता है, केवल किए गए निर्णयों की गुणवत्ता का मूल्यांकन किया जा सकता है। एक फ़ंक्शन जो एफ (एस (एमएम, टी)) मूल्यों और एल्गोरिदम प्रतिक्रियाओं का एक अनुक्रम प्राप्त करता है, और यह अनुक्रम अज्ञात लंबाई का है (खेल विभिन्न चरणों में समाप्त हो सकता है), लेकिन आप प्रयोग को अनंत बार दोहरा सकते हैं ।

विरोधी मुद्दों

, . S(MM, t) , , . F(S(MM, t)) , .

अब वास्तविक दुनिया की समस्याओं को हल करने के लिए इस तरह के मूल्य की प्रयोज्यता का मूल्यांकन करने का प्रयास करें, जो किसी भी तरह से उपकरण के साथ संबंधित हैं, अर्थात्, वे महत्वपूर्ण विकृतियों के साथ एक वास्तविक स्थिति का प्रतिनिधित्व करते हैं, इसका मतलब है कि वातावरण एजेंट के कार्यों पर प्रतिक्रिया करता है, निर्णय के लंबे अनुक्रम के बाद ही मूल्यांकन देता है, और हालाँकि, वे कई बार प्रयोग करने की अनुमति देते हैं।

पहली नज़र में, एक दिलचस्प एप्लिकेशन एक्सचेंज पर एक गेम लगता है। यहां तक कि Google के संकेत, इसे वास्तविक-विश्व उपयोग के साथ एकमात्र संकेत के रूप में धोखा देते हुए संकेत देते हैं कि विषय गर्म है।

सबूत

मैं तुरंत एक महत्वपूर्ण बिंदु इंगित करूंगा - बाजार विश्लेषण के लगभग सभी दृष्टिकोण (वास्तविक दुनिया की वस्तुओं का विश्लेषण करने वाले मतों की गिनती नहीं करना, जैसे कि सुपरमार्केट के सामने पार्किंग स्थल, समाचार, ट्विटर पर शेयरों के उल्लेख) को दो प्रकारों में विभाजित किया जा सकता है। पहला प्रकार समय श्रृंखला के रूप में बाजार का प्रतिनिधित्व करने वाला दृष्टिकोण है। दूसरा, अनुप्रयोगों की एक धारा के रूप में।

किसी तरह पहले प्रकार के दृष्टिकोण के प्रस्तावक बाजार को देखते हैं

और इसलिए, - दूसरा

लेकिन मौलिक अंतर उपयोग किए गए आंकड़ों में नहीं है, बल्कि इस तथ्य में है कि, एक नियम के रूप में, जो बाजार का विश्लेषण कर रहे हैं, एक समय श्रृंखला के रूप में, बाजार पर उनके प्रभाव की उपेक्षा करते हैं, विश्वास करते हैं कि, सशर्त रूप से, दैनिक अंतराल पर, उनके लेनदेन बाजार के आगे की गतिशीलता को प्रभावित नहीं करेंगे। जबकि दूसरे दृष्टिकोण के समर्थक यह मानते हुए उपेक्षा कर सकते हैं कि बाजार की तरलता के संबंध में उनकी मात्रा नगण्य है, और बाजार को एक प्रतिक्रिया प्रणाली के रूप में मानते हैं, यह मानते हुए कि उनके कार्य अन्य खिलाड़ियों के व्यवहार को प्रभावित करते हैं (उदाहरण के लिए, बड़े ऑर्डर, बाजार-निर्माण, उच्च-आवृत्ति व्यापार) के इष्टतम निष्पादन से संबंधित अनुसंधान और दृष्टिकोण।

खोज परिणामों के माध्यम से देखने के बाद, यह स्पष्ट है कि सुदृढीकरण प्रशिक्षण (डीपमाइंड की सफलताओं के निकटतम विषय) का उपयोग करते हुए व्यापार के लिए समर्पित सभी लेख और पोस्ट पहले दृष्टिकोण के लिए समर्पित हैं। लेकिन समस्या के लिए दृष्टिकोण की आनुपातिकता के बारे में एक उचित सवाल उठता है।

सबसे पहले, आइए अटारी गेम के समान आरेख बनाएं।

वस्तुगत सच्चाई

, . , , , , — . , , . , , , , , . , .

ऐसा लगता है कि सब कुछ खूबसूरती से गिरता है। और, मुझे संदेह है कि यह समानता भी प्रचार को गर्म करती है। लेकिन, क्या होगा अगर हम योजना को थोड़ा स्पष्ट करें:

यह पोर्टफोलियो के राज्य को निकालने के लायक है (समय के प्रत्येक क्षण पर कितना कागज और पैसा, और यह भी, यह सब कितना खर्च होता है) "उद्देश्य वास्तविकता" ब्लॉक से, कैसे बड़ी प्रतिक्रिया लूप गायब हो जाता है, और सुदृढीकरण के लिए प्रशिक्षण की हत्यारा-सुविधा लावारिस हो जाती है। आप लंबे समय तक इस बात पर बहस कर सकते हैं कि क्या और क्या, कि एक उपकरण का उपयोग किया जाता है जो कि अधिक जटिल संरचना वाले सिस्टम के लिए तेज किया जाता है - अधिक सामान्य अल्फ़ाज़ेरो ने विशेष अल्फ़ाज़ो को हराया। लेकिन फिर मैं यह सुझाव देने के लिए उद्यम करता हूं कि यह मामला नहीं है। आखिरकार, डेटासेट की आयामीता और अपस्फीति का एक अविश्वसनीय सूजन होता है। दरअसल, अगर हमारे पास, उदाहरण के लिए, 10,000 अंकों की एक समय श्रृंखला है, तो प्रशिक्षण आयोजित करने के बजाय, ~ 10,000 निर्णय लेने की तरह, हम एक पूरे के रूप में एक निर्णय (कई लेनदेन) का मूल्यांकन करने तक सीमित हैं, जिससे खुद को ओवरफिटिंग से सुरक्षा से वंचित किया जाता है। इसलिए कि,कई प्रयोग करने की क्षमता की शर्त पूरी नहीं हुई है। हालांकि, अगर हम अपने आप को वैज्ञानिक तक सीमित रखते हैं। वाणिज्यिक आवेदन के बजाय, फिर आप अपनी पसंद के अनुसार कई बार श्रृंखला तैयार कर सकते हैं, वास्तविक बाजार से अलग हो सकते हैं, और दृष्टिकोण अच्छी तरह से लाभ ला सकता है (हालांकि बाजार पर लाभ के कारण नहीं, लेकिन वैज्ञानिक समुदाय में भाषणों और प्रकाशनों के कारण)।

स्व-उत्पादक नमूनों के प्रश्न का अनुमान लगाना

, , , . , , . , , . , , , , , .

दूसरा दृष्टिकोण (अनुप्रयोगों की एक धारा के साथ) अधिक आशाजनक लगता है। तथाकथित ग्लासयह अक्सर रोबोट के अनुप्रयोगों से भरा होता है जो मूल्य के प्रतिशत के अंशों का शिकार करते हैं, कतार में एक जगह पर प्रतिस्पर्धा करते हैं, और अक्सर केवल मांग या आपूर्ति को प्रकट करने के लिए आवेदन बनाते हैं, और अन्य बॉट्स को हानिकारक कार्यों के लिए उकसाते हैं। ऐसा लगता है, यदि आप सपने देखते हैं, कि यदि आप एक एक्सचेंज एमुलेटर बनाते हैं और इसमें एचएफटी बॉट्स को जगह देते हैं, जो कि अरबों फैसले लेते हैं, तो स्वयं-क्लोन के साथ खेलकर, स्वयं-सीखेंगे, और इस तरह एक आदर्श रणनीति विकसित करेंगे जो सभी इष्टतम प्रति-रणनीतियों को ध्यान में रखेगा। ... यह अफ़सोस की बात है कि अगर ऐसा कुछ होता है, तो दुनिया भर के लगभग 5 लोग इसके बारे में पता लगाएंगे - उच्च आवृत्ति वाले व्यापारियों के व्यापार सिद्धांत पूरी तरह से गुप्त हैं, और दुश्मनों को एक ही रेक पर कदम रखने का मौका छोड़ने के लिए असफल परिणामों को प्रकाशित करने से इनकार करते हैं।

मुझे लगता है कि विशेष रूप से विपणन, मानव संसाधन, बिक्री, प्रबंधन और अन्य क्षेत्रों में ऐसी दृष्टिकोण लागू करने की असंभवता पर ध्यान देने योग्य नहीं है जहां वस्तु एक व्यक्ति है, क्योंकि सही आवेदन के लिए एआई को लाखों, या यहां तक कि अरबों प्रयोगों को सक्षम करने के लिए आवश्यक है। और, यहां तक कि अगर कई कंपनियों के पास एक वस्तु के साथ एक लाख बातचीत होती है, जहां एआई निर्णय ले सकता है (अपनी प्रोफ़ाइल के आधार पर एक संभावित ग्राहक को दिखाने के लिए एक बैनर का चयन, एक कर्मचारी को खारिज करने का निर्णय), तो कोई भी उसी के साथ एक लाख प्रयोग नहीं करेगा ऑब्जेक्ट, जो कि उच्च-गुणवत्ता वाले अनुप्रयोग के लिए आवश्यक है। लेकिन जो ध्यान केंद्रित करने योग्य है वह है एंटीफ्राड और साइबरसुरिटी।

मुझे नहीं पता, सौभाग्य से या दुर्भाग्य से, लेकिन आधुनिक दुनिया में बहुत सारे आर्थिक संबंध भविष्य में महान मूल्य की उम्मीद के बदले में दायित्वों के बिना छोटे मूल्य प्रदान करने पर आधारित हैं, जो कई फ्रीबी स्रोतों और धोखाधड़ी की संभावना को जन्म देता है।

उदाहरण:

टैक्सी एग्रीगेटर्स में पहली मुफ्त सवारी
जुआ में सीपीए के लिए $ 70 का भुगतान, एक खिलाड़ी के लिए जो $ 5 में लाया गया था
क्लाउड प्रदाताओं और परीक्षण अवधि से $ 300 का परीक्षण करें

इसके अलावा, आधुनिक आर्थिक प्रणाली की धोखाधड़ी क्षमता को क्रेडिट कार्ड लेन-देन के लिए सुरक्षा के निम्न स्तर द्वारा समर्थित किया जाता है, क्योंकि व्यापारी अक्सर उपयोगकर्ता अनुभव को सरल बनाने के लिए समान 3 डी सुरक्षित मना कर देते हैं। इस प्रकार, अपने शेष राशि के एक छोटे% के लिए चुराए गए कार्ड के खरीदारों के लिए, यह सूची लगभग अनिश्चित काल के लिए पूरक हो सकती है।

इस तरह के मामलों के खिलाफ लड़ाई में मुख्य समस्या एक पर्याप्त मात्रा के डेटासेट को इकट्ठा करने में असमर्थता है -% धोखाधड़ी संचालन व्यवसाय के आधार पर अच्छे संचालन के प्रतिशत से कम परिमाण के 1-6 आदेश हैं। धोखेबाजों के लचीलेपन में भी एक समस्या है, जो आसानी से स्थैतिक एल्गोरिदम को बायपास कर देते हैं, एंटीफ्राड सिस्टम के लिए अनुकूल होते हैं जिन्हें पिछले अनुभव में प्रशिक्षित किया गया है।

और, ऐसा लगता है, यहाँ यह है। सैंडबॉक्स में लॉन्च किए गए Agent57 जैसे एल्गोरिदम आपको आदर्श धोखेबाज बनाने, अपने कौशल को लगातार अपडेट करने और एक ही समय में उलटा समस्या हल करने की अनुमति देगा - एल्गोरिथ्म को इसकी पहचान करने के लिए अद्यतित रखें। लेकिन एक कैविएट है। अटारी खेलों में एम्बेडेड दुनिया के मॉडल के खिलाफ जीतने के लिए लाखों खिलाड़ियों के व्यवहार के आधार पर पहले से ही प्रशिक्षित एंटीफ्रॉड सिस्टम से जीतने के लिए समान नहीं है, और एक रेट्रो गेम में एक खिलाड़ी के कई कार्यों के लिए धोखाधड़ी के साथ बहुत सारी कार्रवाईएं अनुपातहीन हैं। उदाहरण के लिए, यहां तक कि पंजीकरण फॉर्म पर लॉगिन दर्ज करने जैसी सरल कार्रवाई पहले से ही ऐसा करने के लिए अरबों विकल्प प्रदान करती है। किस यूजर एजेंट से शुरू होकर सर्वर में ट्रांसफर करना है, और दूसरे और तीसरे लॉगइन कैरेक्टर में प्रवेश करने के बीच कितने मिलीसेकंड तक इंतजार करना है ...

सामान्य तौर पर, मैं इसे किसी भी तरह से देखता हूं। बहुत सुंदर। और मैं वास्तव में आशा करता हूं कि मैं गलत हूं, और कहीं न कहीं मैं मॉडल में कुछ को ध्यान में नहीं रखता। अगर मैं टिप्पणियों में प्रतिपक्ष देखूंगा तो आभारी रहूंगा।

क्यों अटारी डीपमाइंड एआई सफलता निराशाजनक है

More articles: