Zespół polskich naukowców z uniwersytetów: Warszawskiego i Jagiellońskiego, a także ośrodka IDEAS NCBR i Instytutu Matematycznego PAN stworzył algorytm, który pomoże sztucznej inteligencji samodzielnie konstruować kolejne kroki do rozwiązywania złożonych problemów. Dzięki temu możliwe będzie np. budowanie robotów, które lepiej radzą sobie z wykonywaniem skomplikowanych zadań.
Algorytm Adaptive Subgoal Search pozwala maszynom dzielić złożone i skomplikowane problemy na pod-zadania, które z kolei można wykonać metodą „krok po kroku”. Dzięki temu dojście do rozwiązania wymaga mniej pracy, a co za tym idzie również mniej mocy obliczeniowej i mniej energii potrzebnej do działania serwerów. W podobny sposób działają ludzie – dzielą na etapy codzienne czynności (jak przygotowanie posiłku) czy relatywnie rzadkie zadania (jak planowanie wyjazdu na wakacje) i umieją potem zastosować te zdolności do zupełnie nowych wyzwań (jak projekt w pracy wymagający innowacyjnego podejścia). W przypadku programów komputerowych, im dalej od rutynowego schematu, tym trudniej podjąć sztucznej inteligencji adekwatne działanie. Jest ona jednak w stanie nauczyć się, jak samodzielnie rozkładać swoje zadania na mniejsze kroki.
Istnieje wiele palących problemów, które są zbyt trudne, aby można je było rozwiązywać dokładnie i szybko. Wówczas przydatna może okazać się nasza innowacyjna metoda, która naśladuje sposób myślenia ludzi – opisuje Tomasz Odrzygóźdź, postdoc w IDEAS NCBR.
Zespół, w skład którego wchodzą także doktoranci z Uniwersytetu Warszawskiego, Uniwersytetu Jagiellońskiego, a także naukowcy z IDEAS NCBR i Instytutu Matematycznego PAN, trenował umiejętność opracowanego algorytmu na kostce Rubika. Obserwując efekty jej mieszania i analizując tysiące możliwych kombinacji, algorytm sam opracował „kamienie milowe” na drodze do ułożenia kostki. Umiejętności adaptacyjne AdaSubS były również testowane na grze logicznej Sokoban i nierównościach matematycznych. Okazało się, że jest on w stanie rozwiązywać te zadania w mniejszej średniej ilości kroków niż najlepsze dotąd znane w tym zakresie algorytmy.
Celowo uczyliśmy nasz algorytm nie na strategiach mistrzów kostki Rubika, a na zwykłym losowym obracaniu kostki. Sukces polega m.in. na tym, że to w zupełności wystarczyło. Pokazaliśmy, że nawet tak „tanie” dane uzyskane prostym sposobem są wystarczające, by algorytm był w stanie stworzyć sobie dobre pod-zadania do osiągnięcia celu – komentuje Michał Zawalski, doktorant na Uniwersytecie Warszawskim.
Jak mówią twórcy algorytmu, chociaż robotyka rozwijana jest od dekad, wciąż daleko do spełnienia się futurystycznych wizji robotów – asystentów, które przejęły gotowanie i sprzątanie w domu. Dzieje się tak właśnie dlatego, że czynności te są wbrew pozorom dosyć skomplikowane. Zatrudnienie maszyn do tych zadań wymagałoby stworzenia złożonego oprogramowania albo właśnie sztucznej inteligencji, która potrafiłaby sama nauczyć się poruszania po kuchni, podobnie jak algorytm AdaSubS nauczył się układać kostkę Rubika. Rozwiązanie polskich naukowców mogłoby zostać wykorzystane także na… ulicach. Zdolność uczenia się na bieżąco z pewnością pomogłaby systemom sterującym autonomicznymi pojazdami. Ale możliwości użycia tego narzędzia jest więcej.
AdaSubS jest algorytmem ogólnego zastosowania, co daje nadzieję na jego wyskalowanie do ważnych problemów nauki oraz życia codziennego. W planach mamy wykorzystanie metody do automatycznego dowodzenia twierdzeń (ang. automated theorem proving, abbreviated ATP), robotyki, automatycznego pisania programów (ang. program synthesis), gier wieloosobowych czy retrosyntezy – zapowiada dr Łukasz Kuciński z Instytutu Matematycznego PAN.
Algorytm zostanie zaprezentowany w maju podczas International Conference on Learning Representations w Kigali w Rwandzie. To jedno z ważniejszych wydarzeń dla środowisk pracujących nad rozwojem sztucznej inteligencji. Wystąpienia ekspertów dotyczą m.in. uczenia maszynowego, jak również badań z obszarów deep learning i data science. Publikacja opisująca stworzony przez polskich naukowców algorytm Adaptive Subgoal Search (AdaSubS) znalazła się wśród 5 proc. zaakceptowanych prac zgłoszonych na konferencję. Dostępna jest w bazie arXiv oraz na specjalnej stronie internetowej. Oprócz już wymienionych, jej współautorami są także: doktoranci z Uniwersytetu Warszawskiego (Michał Tyrolski, Konrad Czechowski), Piotr Piękos z King Abdullah University of Science and Technology (praca napisana podczas pracy na Uniwersytecie Warszawskim), doktorant z Uniwersytetu Jagiellońskiego Damian Stachura, Yuhuai Wu z Google Research i prof. Piotr Miłoś, lider zespołu badawczego w IDEAS NCBR, związany również z Instytutem Matematycznym PAN.
MK