![\"\"](\"http:\/\/newgeekweb.fightcar.webd.pl\/wp-content\/uploads\/2023\/03\/6751b1bf793de08539561ca9939446b3.jpg\")
<\/p>\n<\/p>\n
Zesp\u00f3\u0142 polskich naukowc\u00f3w stworzy\u0142 algorytm AI, kt\u00f3ry znalaz\u0142 si\u0119 w czo\u0142\u00f3wce prac przyj\u0119tych na tegoroczn\u0105 konferencj\u0119 ICLR (International Conference on Learning Representations). Ich dzie\u0142o \u0142\u0105czy uczenie maszynowe z klasyczn\u0105 algorytmik\u0105 i pomaga sztucznej inteligencji samodzielnie konstruowa\u0107 kolejne kroki do rozwi\u0105zywania z\u0142o\u017conych problem\u00f3w. Dzi\u0119ki takim rozwi\u0105zaniom mo\u017cliwe b\u0119dzie np. budowanie robot\u00f3w, kt\u00f3re lepiej radz\u0105 sobie z wykonywaniem bardziej z\u0142o\u017conych zada\u0144.<\/p>\n
<\/p>\n
Zainicjowana dekad\u0119 temu konferencja International Conference on Learning Representations<\/strong> (ICLR) szybko sta\u0142a si\u0119 jednym z wa\u017cniejszych wydarze\u0144 dla \u015brodowisk pracuj\u0105cych nad rozwojem sztucznej inteligencji. Co roku ro\u015bnie liczba zg\u0142osze\u0144 na temat prze\u0142omowych bada\u0144 naukowych z obszaru AI, kt\u00f3re s\u0105 podstaw\u0105 do wzi\u0119cia udzia\u0142u w ICLR. Wyst\u0105pienia ekspert\u00f3w dotycz\u0105 ich prac nad uczeniem maszynowym, jak r\u00f3wnie\u017c bada\u0144 z obszar\u00f3w deep learning i data science.<\/p>\n W najbli\u017cszej edycji, kt\u00f3ra odb\u0119dzie si\u0119 w maju 2023 r. w Kigali w Rwandzie, we\u017amie udzia\u0142 polski zesp\u00f3\u0142 naukowc\u00f3w. Publikacja opisuj\u0105ca stworzony przez nich algorytm Adaptive Subgoal Search<\/strong> (AdaSubS) znalaz\u0142a si\u0119 w\u015br\u00f3d 5 proc. zaakceptowanych prac zg\u0142oszonych na konferencj\u0119, czyli oko\u0142o 2% wszystkich zg\u0142oszonych prac.<\/p>\n W\u015br\u00f3d autor\u00f3w algorytmu jest dw\u00f3ch ekspert\u00f3w polskiego centrum innowacji w obszarze sztucznej inteligencji IDEAS NCBR: prof. Piotr Mi\u0142o\u015b i dr Tomasz Odrzyg\u00f3\u017ad\u017a.<\/p>\n Zakwalifikowanie si\u0119 na jedn\u0105 z najwa\u017cniejszych konferencji informatycznych i to z wyr\u00f3\u017cnieniem notable-top-5 procent jest wyj\u0105tkowym osi\u0105gni\u0119ciem dla polskiej nauki. W badaniach nad rozwojem sztucznej inteligencji nie odstajemy od \u015bwiatowej czo\u0142\u00f3wki – stwierdza prof. Piotr Mi\u0142o\u015b, lider zespo\u0142u badawczego w IDEAS NCBR zwi\u0105zany r\u00f3wnie\u017c z Instytutem Matematyki PAN.<\/p>\n<\/blockquote>\n Algorytm Adaptive Subgoal Search<\/strong> pozwala maszynom dzieli\u0107 z\u0142o\u017cone i skomplikowane problemy na pod-zadania, kt\u00f3re z kolei mo\u017cna wykona\u0107 krok po kroku. Dzi\u0119ki temu, doj\u015bcie do rozwi\u0105zania wymaga mniej pracy, czyli r\u00f3wnie\u017c mniej mocy obliczeniowej i mniej energii potrzebnej do dzia\u0142ania serwer\u00f3w.<\/p>\n W podobny spos\u00f3b dzia\u0142aj\u0105 ludzie dziel\u0105c na ma\u0142e etapy codzienne czynno\u015bci (jak przygotowanie posi\u0142ku), relatywnie rzadkie zadania (jak planowanie wyjazdu na wakacje) i umiej\u0105 zastosowa\u0107 t\u0119 zdolno\u015b\u0107 do zupe\u0142nie nowych wyzwa\u0144 (jak projekt w pracy wymagaj\u0105cy innowacyjnego podej\u015bcia). W przypadku program\u00f3w komputerowych, im dalej od rutynowego schematu, tym trudniej podj\u0105\u0107 im adekwatne dzia\u0142anie. Sztuczna inteligencja jest jednak w stanie nauczy\u0107 si\u0119, jak samodzielnie rozk\u0142ada\u0107 swoje zadania na mniejsze kroki.<\/p>\n Istnieje wiele pal\u0105cych problem\u00f3w, kt\u00f3re s\u0105 zbyt trudne, aby mo\u017cna je by\u0142o rozwi\u0105zywa\u0107 dok\u0142adnie i szybko. Przydatne mo\u017ce by\u0107 nasza innowacyjna metoda, kt\u00f3ra jest wydajna i na\u015bladuje spos\u00f3b w jaki my jako ludzie naturalnie my\u015blimy – komentuje Tomasz Odrzyg\u00f3\u017ad\u017a, postdoc w IDEAS NCBR.<\/p>\n Polski zesp\u00f3\u0142 trenowa\u0142 umiej\u0119tno\u015b\u0107 swojego algorytmu na kostce Rubika<\/strong>. Obserwuj\u0105c efekty jej mieszania i analizuj\u0105c tysi\u0105ce mo\u017cliwych kombinacji, algorytm sam opracowa\u0142 kamienie milowe na drodze do u\u0142o\u017cenia kostki. Umiej\u0119tno\u015bci adaptacyjne AdaSubS by\u0142y r\u00f3wnie\u017c testowane na grze logicznej Sokoban i nier\u00f3wno\u015bciach matematycznych. Okaza\u0142o si\u0119, \u017ce polski algorytm jest w stanie rozwi\u0105zywa\u0107 te zadania w mniejszej \u015bredniej ilo\u015bci krok\u00f3w<\/p>\n ni\u017c najlepsze dot\u0105d znane w tym zakresie algorytmy.<\/p>\n Celowo uczyli\u015bmy nasz algorytm nie na strategiach mistrz\u00f3w kostki Rubika, a na zwyk\u0142ym losowym obracaniu kostki. Sukces polega m.in. na tym, \u017ce to w zupe\u0142no\u015bci wystarczy\u0142o. Pokazali\u015bmy, \u017ce nawet tak tanie dane uzyskane prostym sposobem s\u0105 wystarczaj\u0105ce, by algorytm by\u0142 w stanie stworzy\u0107 sobie dobre pod-zadania do osi\u0105gni\u0119cia celu – komentuje Micha\u0142 Zawalski, doktorant na Uniwersytecie Warszawskim.<\/p>\n<\/blockquote>\n Chocia\u017c robotyka rozwijana jest od dekad, jeste\u015bmy wci\u0105\u017c daleko od spe\u0142nienia si\u0119 futurystycznych wizji robot\u00f3w – asystent\u00f3w, kt\u00f3re przej\u0119\u0142y gotowanie i sprz\u0105tanie w domu. Dzieje si\u0119 tak w\u0142a\u015bnie dlatego, \u017ce czynno\u015bci te s\u0105 wbrew pozorom dosy\u0107 skomplikowane. Zatrudnienie maszyn do tych zada\u0144 wymaga\u0142oby stworzenia bardzo z\u0142o\u017conego oprogramowania albo w\u0142a\u015bnie sztucznej inteligencji, kt\u00f3ra potrafi\u0142aby sama nauczy\u0107 si\u0119 poruszania po kuchni, podobnie jak algorytm AdaSubS nauczy\u0142 si\u0119 uk\u0142ada\u0107 kostk\u0119 Rubika.<\/p>\n Innym miejscem obfituj\u0105cym we wci\u0105\u017c nowe i niestandardowe sytuacje s\u0105 ulice. Zdolno\u015b\u0107 uczenia si\u0119 na bie\u017c\u0105co z pewno\u015bci\u0105 pomog\u0142aby systemom steruj\u0105cym autonomicznymi pojazdami. Tw\u00f3rcy algorytmu AdaSubS widz\u0105 te\u017c potencjalne zastosowanie ich narz\u0119dzia w szerokiej gamie problem\u00f3w.<\/p>\n AdaSubS jest algorytmem og\u00f3lnego zastosowania, co daje nadziej\u0119 na wyskalowanie jego u\u017cycia do wa\u017cnych problem\u00f3w nauki oraz \u017cycia codziennego. W planach mamy wykorzystanie metody do automatycznego dowodzenia twierdze\u0144 (ang. automated theorem proving, abbreviated ATP), robotyki, automatycznego pisania program\u00f3w (ang. program synthesis), gier wieloosobowych czy retrosyntezy – opowiada dr \u0141ukasz Kuci\u0144ski z Instytutu Matematycznego PAN. <\/p>\n<\/blockquote>\n\n
Czym jest i jak dzia\u0142a algorytm AdaSubS<\/h1>\n
\n
Mo\u017cliwe zastosowania algorytmu AdaSubS<\/h1>\n
\n