Роль мультиагентного обучения в исследованиях искусственного интеллекта в DeepMind

Аннотация к мероприятию: В информатике агента можно рассматривать как вычислительную сущность, которая многократно воспринимает окружающую среду и предпринимает действия для оптимизации долгосрочного вознаграждения. Мы рассматриваем интеллект как способность агента достигать целей в широком диапазоне сред (Легг и Хаттер). В эволюционно-экологических терминах, наиболее богатые среды для данного агента представляют собой эволюционирующие совокупности агентов. Это могут быть биологические организмы или компании на данном рынке. В этой лекции Тор обсудит важную роль многоагентного обучения в исследованиях искусственного интеллекта и связанные с ним проблемы. В частности, он рассмотрит два примера проектов из работы по многоагентному обучению в DeepMind. Во-первых, Тор покажет, как использовать достижения в области глубокого обучения с подкреплением для изучения извечного вопроса о том, как возникает сотрудничество между эгоистичными агентами. Определив последовательные социальные дилеммы, эта работа выходит за рамки простых матричных игр, таких как знаменитый пример из теории игр — дилемма заключенного, и может моделировать новые аспекты социальных дилемм, такие как временная динамика и проблемы координации. Во-вторых, Тор расскажет о проекте AlphaGo, в котором DeepMind использовала многоагентный алгоритм обучения на основе самообучения для создания первой компьютерной программы, которая обыграла ведущего профессионального игрока в го в полномасштабной игре — достижение, которое, по мнению экспертов по го и искусственному интеллекту, произойдет не раньше чем через десять лет. #aiattheturing #TuringLectures