นักวิจัย MIT เผย AI agents เริ่มสร้างเกมเล่นเองเมื่อไม่มีคำสั่ง
ทีมนักวิจัย MIT ปล่อย AI agents 13 ตัวให้อยู่บนเกาะจำลองนาน 30 ชม. พบว่าพวกมันเริ่มสร้างความท้าทายและเรียนรู้ทักษะใหม่ด้วยตัวเอง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- ทีมนักวิจัย MIT ทดลองปล่อย AI agents ชื่อ Eko 13 ตัวบนเกาะจำลองนาน 30 ชั่วโมงโดยไม่มีเป้าหมาย
- AI ที่ใช้เวลาสำรวจและเล่นอิสระสามารถทำภารกิจได้ดีกว่า AI ที่ไม่เคยผ่านการฝึกแบบเดียวกัน
- การทดลองพบพฤติกรรมการเล่น เช่น การสร้างหินอนุสรณ์และการคิดวิธีใช้แหวนทองคำ
- ความสามารถใหม่ที่เกิดขึ้นช่วยให้ AI เรียนรู้ทักษะที่นักพัฒนาไม่ได้โปรแกรมไว้ล่วงหน้า
ทีมนักวิจัยจากสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ได้ทำการทดลองครั้งน่าสนใจโดยการปล่อยปัญญาประดิษฐ์หรือ AI agents จำนวน 13 ตัว ที่ใช้ชื่อว่า Eko และขับเคลื่อนด้วยโมเดล Claude Opus 4.7 ไปอยู่บนเกาะทะเลทรายจำลองโดยไม่มีภารกิจเฉพาะเจาะจงใดๆ เป็นเวลาต่อเนื่องยาวนานถึง 30 ชั่วโมง รายละเอียดดังกล่าวถูกเผยแพร่อยู่บนเว็บไซต์ arXiv ก่อนผ่านกระบวนการตรวจสอบจากผู้เชี่ยวชาญ (peer review)
หลังจากช่วงเวลาทดลองดังกล่าวสิ้นสุดลง ทีมงานได้มอบความท้าทายเฉพาะเจาะจงให้แก่ AI ทั้งหมด เช่น การขนย้ายวัตถุจำนวนมากที่สุดเท่าที่จะทำได้ขึ้นไปบนยอดแหลมที่สูงที่สุดบนเกาะ ผลลัพธ์ปรากฏว่ากลุ่ม AI agents ของ Eko ที่ใช้เวลา 30 ชั่วโมงก่อนหน้าไปกับการสำรวจและเล่นอิสระ สามารถทำคะแนนเอาชนะ AI ตัวอื่นๆ ที่มีคุณสมบัติเหมือนกันทุกประการแต่ไม่เคยถูกปล่อยให้อยู่บนเกาะแห่งนี้ได้อย่างชัดเจน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในปัจจุบัน นักพัฒนาซอฟต์แวร์มักจะเป็นผู้กำหนดล่วงหน้าเสมอว่า AI ควรฝึกฝนเรื่องใด และสิ่งใดคือเกณฑ์ตัดสินความสำเร็จ อย่างไรก็ตาม ทีมนักวิจัยมองว่าวิธีการสำรวจโดยไม่มีเป้าหมายนี้ถือเป็นแนวทางใหม่ที่แตกต่างออกไปในการพัฒนาทักษะให้แก่ AI โดยเฉพาะทักษะที่จะมีประโยชน์อย่างมากในการควบคุมหุ่นยนต์ในอนาคต
"เรามักจะพัฒนาเอเจนต์ปัญญาประดิษฐ์โดยการตัดสินใจล่วงหน้าว่าพวกมันควรฝึกฝนอะไร ควรปรับแต่งสิ่งใด และอะไรคือสิ่งนับเป็นความคืบหน้า"
ทีมนักวิจัย MIT
ตัวอย่างพฤติกรรมที่น่าสนใจเกิดขึ้นในช่วงชั่วโมงแรกบนเกาะ เมื่อ AI ตัวหนึ่งพยายามปีนขึ้นยอดแหลมที่สูงที่สุดแต่ไม่สำเร็จ มันจึงเปลี่ยนแผนสำรองด้วยการลากหินขึ้นไปบนยอดเขาข้างเคียง วางบล็อกซ้อนกันสองชั้นแล้วกระโดดลงมาทดสอบ เหตุการณ์ถัดมาเกิดขึ้นเมื่อมันทดสอบขว้างแหวนทองคำลงไปในมหาสมุทรจนสูญหาย ก่อนจะตัดสินใจสร้างอนุสรณ์รูปหัวใจจากหินเพื่อระลึกถึงแหวนวงนั้น และเมื่อเกมรีเซ็ตจนแหวนกลับมา Eko ก็นำมันมาประยุกต์ใช้เป็นแป้นบาสเกตบอล เป้าซอง และเครื่องประดับตามลำดับ
การปล่อยให้ AI สำรวจสภาพแวดล้อมที่มีความอุดมสมบูรณ์และปลอดภัยโดยอิสระ สะท้อนแนวคิดการเรียนรู้แบบไร้ผู้สอน (Unsupervised Learning) ในมิติใหม่ ซึ่งคล้ายคลึงกับพฤติกรรมการเล่นของเด็กหรือสัตว์เลี้ยงลูกด้วยนม ที่การกระทำเพื่อความสนุกสนานหรือความอยากรู้อยากเห็นช่วยสร้างชุดข้อมูลและทักษะยืดหยุ่นที่อัลกอริทึมแบบกำหนดกฎเกณฑ์ตายตัวไม่สามารถสร้างขึ้นได้เอง
ความสามารถในการสร้างสรรค์เหล่านี้ไม่ได้เป็นเพียงแค่ลูกเล่นผิวเผิน เพราะผลการทดลองพบว่า AI agents ถึง 6 จาก 13 ตัว สามารถเรียนรู้เทคนิคการปล่อยวัตถุกลางอากาศขณะกระโดดเพื่อให้ขว้างบล็อกได้ไกลขึ้น ซึ่งเป็นกลไกที่นักพัฒนาไม่ได้ตั้งค่าหรือออกแบบให้เกิดขึ้นได้แต่แรก ส่งผลให้เกิดองค์ความรู้ใหม่เกี่ยวกับโลกเสมือนที่ผู้สร้างระบบเองก็ไม่เคยคาดคิดมาก่อน
ที่มา: TechCrunch
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น