Урок 4 із 6

Навчання понад своїх учителів

6 хв читання

Більшість AI вчиться, копіюючи людські приклади. Але що станеться, коли система практикується сама — і знаходить хід, який жодна людина не зіграла б?

Практика, а не лише наслідування

Ранній ігровий AI вчився, наслідуючи людську гру. AlphaGo пішла далі: вона практикувалася сама проти себе, мільйони партій, лишаючи те, що перемагало. Звільнена від копіювання нас, вона зіграла хід 37 — камінь настільки дивний, що коментатори вважали його помилкою. Ним він не був. Навчання практикою, а не наслідуванням, дало їй лишити людський підручник позаду й знайти щось краще.

Система, що вчиться практикою, може вийти за межі даних їй прикладів.

Обіцянка й межа

Ось чому «самовдосконалення» захоплює: у вузьких світах із чіткою оцінкою — ігри, частина математики й коду — системи можуть піднятися понад людську майстерність. Пастка — саме та чітка оцінка. Більшість життя не має охайного сигналу перемога/поразка, тож це не перетворило мовні моделі на некерованих самовдосконалювачів. Це справжній, потужний патерн — із гострими краями щодо того, де він застосовний.

Самовдосконалення реальне там, де ціль чітко оцінена — і застряє там, де ні.

«Воно вчиться саме» правда лише там, де успіх вимірний. Будь насторожі, коли хтось заявляє про безмежне самовдосконалення без чіткого мірила.