Исследователи из MIT, Harvard и Yale обнаружили неожиданный парадокс в обучении искусственного интеллекта. Системы ИИ, обученные в тихих, контролируемых условиях, показали более высокую производительность в реальном мире по сравнению с системами, тренированными в шумной, непредсказуемой среде.
В ходе эксперимента команда тестировала агентов машинного обучения на 3 классических играх Atari: Pac-Man, Pong и Breakout. Исследователи разделили агентов на две группы: одни тренировались и тестировались в шумной среде, другие обучались в тихой обстановке, но тестировались в шумной.
Результаты оказались противоречащими общепринятой практике: ИИ-агенты, обученные в тихой среде, несколько раз превзошли своих конкурентов даже в условиях сильного шума. Это сравнимо с теннисистом, который тренировался в тихом зале, но показывает лучшие результаты на реальном матче с шумной толпой, чем спортсмен, практиковавшийся в реальных условиях.
Открытие может существенно упростить обучение роботов. В прошлом месяце исследователи из MIT уже создали ИИ-систему, позволяющую складским роботам безопасно работать с нестандартными посылками в загруженных помещениях рядом с людьми.
Источник новости и обложки: www.pymnts.com