Naukowcy z MIT opracowali rewolucyjn\u0105 technik\u0119 opart\u0105 na sztucznej inteligencji, kt\u00f3ra znacznie usprawnia d\u0142ugoterminowe planowanie zada\u0144 wizualnych, takich jak nawigacja robot\u00f3w. Ta prze\u0142omowa metoda jest podobno dwukrotnie skuteczniejsza od niekt\u00f3rych istniej\u0105cych technik \u2014 to ogromne osi\u0105gni\u0119cie w \u015bwiecie innowacji opartych na sztucznej inteligencji.<\/p>\n
To osi\u0105gni\u0119cie opiera si\u0119 na modelu wizualno-j\u0119zykowym \u2013 systemie zaprojektowanym w celu rozumienia scenariuszy wizualnych i przyporz\u0105dkowywania dzia\u0142a\u0144 niezb\u0119dnych do osi\u0105gni\u0119cia okre\u015blonego celu. Co jednak wyr\u00f3\u017cnia to rozwi\u0105zanie? Jest to jego zdolno\u015b\u0107 do generowania gotowych do u\u017cycia plik\u00f3w dla tradycyjnego oprogramowania do planowania, co w praktyce oznacza, \u017ce po\u0142ow\u0119 pracy wykonuje za Ciebie automatycznie. Ponadto, dzi\u0119ki wska\u017anikowi skuteczno\u015bci wynosz\u0105cemu oko\u0142o 70% \u2014 znacznie przewy\u017cszaj\u0105cemu wska\u017anik 30% osi\u0105gany przez standardowe metody \u2014 metoda ta stanowi prawdziwy prze\u0142om.<\/p>\n
Jak podkre\u015bla Yilun Hao, g\u0142\u00f3wny autor artyku\u0142u i doktorant na MIT, cech\u0105 charakterystyczn\u0105 tego systemu jest jego zdolno\u015b\u0107 do rozwi\u0105zywania problem\u00f3w, z kt\u00f3rymi nigdy wcze\u015bniej nie mia\u0142 do czynienia. Taka zdolno\u015b\u0107 adaptacyjna ma kluczowe znaczenie w radzeniu sobie z rzeczywistymi sytuacjami, w kt\u00f3rych nieprzewidywalno\u015b\u0107 jest na porz\u0105dku dziennym.<\/p>\n
Hao nie osi\u0105gn\u0105\u0142 tego wyczynu samodzielnie \u2014 po\u0142\u0105czy\u0142 si\u0142y z Yongchao Chenem (Laboratorium System\u00f3w Informacyjnych i Decyzyjnych MIT, czyli LIDS), Yangiem Zhangiem (Laboratorium Sztucznej Inteligencji MIT-IBM Watson) oraz Chuchu Fanem (profesorem nadzwyczajnym na wydziale AeroAstro i g\u0142\u00f3wnym badaczem w LIDS). Wyniki ich wsp\u00f3lnych wysi\u0142k\u00f3w okaza\u0142y si\u0119 tak niezwyk\u0142e, \u017ce zostan\u0105 zaprezentowane podczas Mi\u0119dzynarodowej Konferencji po\u015bwi\u0119conej Reprezentacjom Uczenia si\u0119.<\/p>\n
Zesp\u00f3\u0142 wykorzysta\u0142 model wizualno-j\u0119zykowy (VLM) w celu wype\u0142nienia luki mi\u0119dzy z\u0142o\u017conym rozumowaniem, planowaniem a bod\u017acami wizualnymi; jest to posuni\u0119cie, kt\u00f3re sprawdza mo\u017cliwo\u015bci sztucznej inteligencji w radzeniu sobie z rzeczywistymi wyzwaniami, takimi jak jazda autonomiczna czy monta\u017c z wykorzystaniem robot\u00f3w. Poniewa\u017c jednak modele VLM cz\u0119sto napotykaj\u0105 trudno\u015bci w rozumieniu relacji przestrzennych mi\u0119dzy obiektami w scenie oraz w rozumowaniu wieloetapowym, naukowcy po\u0142\u0105czyli si\u0142y z tw\u00f3rcami formalnych system\u00f3w planowania, aby opracowa\u0107 metod\u0119 formalnego planowania kierowanego przez model VLM (VLMFP).<\/p>\n
VLMFP sk\u0142ada si\u0119 z dw\u00f3ch wyspecjalizowanych modeli VLM, kt\u00f3re przekszta\u0142caj\u0105 wizualne problemy planowania w pliki gotowe do przetworzenia przez tradycyjne oprogramowanie do planowania. System rozpoczyna prac\u0119 od niewielkiego modelu, SimVLM, kt\u00f3rego zadaniem jest opisywanie scenariuszy wizualnych w j\u0119zyku naturalnym. Nast\u0119pnie wi\u0119kszy model, GenVLM, wykorzystuje opisy SimVLM do wygenerowania plik\u00f3w pocz\u0105tkowych w j\u0119zyku PDDL (Planning Domain Definition Language). Pliki te s\u0105 nast\u0119pnie przekazywane do klasycznego solwera PDDL, w wyniku czego powstaj\u0105 plany krok po kroku.<\/p>\n
Algorytm VLMFP osi\u0105gn\u0105\u0142 imponuj\u0105ce wyniki, uzyskuj\u0105c skuteczno\u015b\u0107 na poziomie oko\u0142o 601 TP3T w sze\u015bciu zadaniach planowania 2D oraz ponad 801 TP3T w dw\u00f3ch zadaniach 3D, takich jak wsp\u00f3\u0142praca wielu robot\u00f3w i monta\u017c z wykorzystaniem robot\u00f3w. Uda\u0142o mu si\u0119 r\u00f3wnie\u017c wygenerowa\u0107 poprawne plany dla ponad po\u0142owy scenariuszy, z kt\u00f3rymi nie mia\u0142 wcze\u015bniej do czynienia, wyra\u017anie przewy\u017cszaj\u0105c tradycyjne metody.<\/p>\n
W przysz\u0142o\u015bci zesp\u00f3\u0142 ma nadziej\u0119 jeszcze bardziej udoskonali\u0107 mo\u017cliwo\u015bci modelu VLMFP, dzi\u0119ki czemu b\u0119dzie on w stanie radzi\u0107 sobie z jeszcze bardziej z\u0142o\u017conymi scenariuszami i ograniczy\u0107 potencjalne b\u0142\u0119dy pope\u0142niane przez modele VLM. Ostatecznie naukowcy s\u0105 przekonani, \u017ce generatywne modele sztucznej inteligencji mog\u0105 przekszta\u0142ci\u0107 si\u0119 w agenty zdolne do rozwi\u0105zywania jeszcze bardziej skomplikowanych problem\u00f3w, co b\u0119dzie oznacza\u0142o ogromny krok naprz\u00f3d w dziedzinie rozwi\u0105zywania problem\u00f3w z wykorzystaniem sztucznej inteligencji.<\/p>\n