Taklitle öğrenme uzun zamandır yapay zekâ için bir eğitim yaklaşımı oldu. Algoritmalara bir görevi tamamlarken insanları gözlemlemeleri ve daha sonra ise onları taklit etmeye çalışmaları talimatı veriliyor. Fakat genellikle yapay zekâ araçlarının eğitmenlerini başarılı biçimde taklit edebilmeleri için çok sayıda örneğe ve büyük miktarda veriye maruz kalmaları gerekiyor.
Şimdi, DeepMind araştırmacıları tarafından gerçekleştirilen çığır açan bir çalışma, yapay zekâ teknolojilerinin Önceden toplanmış herhangi bir veri olmadan bir insanı taklit ederek eş zamanlı olarak sosyal öğrenme yeteneklerini de gösterebileceğini iddia ediyor.
Ekip özellikle, gözlemsel öğrenme bilinen ve vücut hareketlerinin kopyalanmasını kapsayan belirli bir kültürel aktarım biçimine odaklandı.
YAPAY ZEKÂ, HEDEFLERİNE ULAŞMAYI KISA SÜREDE ÖĞRENDİ
DeepMind, deneyini GoalCycle3D olarak adlandırılan ve yapay zekâ teknolojilerinin gezinmesi gereken engebeli araziler, patikalar ve engeller içeren sanal bir dünya olan simüle edilmiş bir ortamda gerçekleştirdi.
Yapay zekânın öğrenmesine yardımcı olmak amacıyla araştırmacılar ödüllü öğrenme anlamına gelen klasik koşullanma yöntemini kullandı.
Bir sonraki aşamada ekip, simülasyonda nasıl gezinileceğini zaten bilen uzman yapay zekâ (sabit kodlu veya insan kontrollü) dahil etti. Yapay zekâ, hedeflerine ulaşmanın en iyi yolunun uzmanlardan öğrenmek olduğunu kısa sürede anladılar.
Araştırmacılar, iki yönlü bir gözlem ortaya koydu. İlk olarak, yapay zekânın sadece uzmanları taklit ederken daha hızlı öğrenmekle kalmadığını, aynı zamanda edindiği bilgileri diğer sanal yollara da uyguladığını gördüler. İkinci olarak DeepMind, yapay zekânın yeni yeteneklerini uzmanların yokluğunda bile kullanabildiklerini keşfetti. Bu durum, çalışmanın yazarlarına göre bir sosyal öğrenme örneği teşkil ediyor.
Söz konusu çalışma, Nature Communications dergisinde yayımlandı.
