AI-pionér vil la roboter planlegge for uventet utfordringer

Danijar Hafner, en tidligere forsker hos Google DeepMind, jobber med å lage AI-agenter som kan planlegge for det uventede i fysiske omgivelser. Målet er at roboter skal kunne fungere i et hjem eller på en arbeidsplass uten å ha sett den på forhånd, noe som er en stor utfordring i robotikk. Kjernen i Hafners tilnærming er modellbasert forsterkningslæring (model-based reinforcement learning). Her trenes AI-agenter innenfor såkalte «verdensmodeller» – AI-modeller som simulerer fysisk virkelighet – før de testes i den virkelige verden. Dette gjør at robotene lærer å forutsi og håndtere nye situasjoner uten omfattende prøving og feiling i det fysiske rommet, noe som tradisjonelt har vært nødvendig. Hafners metoder har vist suksess i virtuelle miljøer. Hans modell PlaNet gjorde det mulig for agenter å planlegge fremover, og Dreamer 2 var den første agenten som nådde menneskelig ytelse i Atari 2600-spill ved hjelp av en verdensmodell. DayDreamer-prosjektet har også vist at Dreamer-algoritmen kan brukes til å la roboter fungere i nye miljøer og reagere på nye opplevelser – som å bli dyttet over – uten spesifikk trening. Dette betyr at en robot på en norsk arbeidsplass kan takle uventede hindringer uten spesiell programmering for hvert scenario, en endring fra dagens rigide løsninger.