Végre nem a pénz lesz a szűk keresztmetszet a mesterséges intelligencia (MI) kutatásának. A Dél-Kaliforniai Egyetem és az Intel Labs csapata megoldotta, hogy egy high-end munkaállomással is közel olyan tempóban lehessen megoldani MI-vel kapcsolatos problémákat, mint a kutatásban élen járó cégek óriási teljesítményű célhardvereivel. Az eredményről az IEEE Spectrum számolt be.

A kutatásban szerepet kapott az egyik legősibb FPS (first-person shooter), a Doom, valamint egy sor Atarin futó játék – az algoritmust ugyanis ezek segítségével tanították. A jó eredményt pedig az bizonyította, hogy sztenderd géppel is képesek megoldani olyan 3D-s MI-problémákat, amik a DeepMind kapcsán merültek fel.

Kell a számítási kapacitás. De mennyi?

A korszerű MI-rendszerek tanításához eddig óriási számítástechnikai erőforrás kellett. A témában érdekelt cégek többsége ezt könnyedén biztosítja, de az OpenAI konzorcium rendelkezésére álló számítási kapacitás, amit az MI tanítására használhatnak is nagyon gyorsan nő: 3,4 havonta duplázódik.

Az egyik leginkább adatigényes (ezáltal számításigényes) megközelítés a mély megerősítő tanulás (deep reinforcement learning – DRL), amely lehetővé teszi az MI emberi beavatkozás nélküli öntanulását (lásd ZeroGo). Ez a módszer segített például abban, hogy a Starcraftban és a Dota 2-ben is képes volt legyőzni az MI az emberi játékosokat. Ezeket az algoritmusokat azonban több száz processzort és GPU-t tartalmazó kiszolgálókon tanították és futtatták. Ilyen számítási kapacitást egy akadémiai háttérrel dolgozó kutatócsapat még akkor sem nagyon tud felépíteni, ha szerez külső finanszírozót az adott projekthez.

Az Intel és a Dél-Kaliforniai Egyetem fejlesztései azonban kicsit kiegyenlítették a nagyvállalatok és a kutatók versenyét. Legfőképpen azért, mert úgy válik hatékonnyá a tanítási folyamat, hogy nem kell hozzá speciális hardver. (Sokan azt sem tartják elhanyagolható szempontnak, hogy egy ilyen tucathardvernek sokkal kisebb a szén-dioxid-kibocsátása, mint egy szuperszámítógépnek.)

A megoldást, mint annyiszor, most is a kényszer szülte. Az egyik kutatócsapat a nyári szabadságolások miatt nem fért hozzá az egyetemén keresztül szuperszámítógép-kapacitáshoz. Emiatt viszont leállt az DRL-kutatási projektjük. Hogy haladjanak, elkezdtek gondolkodni azon, hogyan tudnák folytatni a munkát egy szimpla, bár csúcskategóriás, kereskedelmi forgalomban kapható géppel.

A DRL rendszerek klasszikusan úgy épülnek fel, hogy szimulált környezetbe helyeznek MI-ágenseket, amelyek az MI eredményeit értékelik, és visszacsatolást adnak, folyamatosan javítva a modell pontosságát. A tanítási folyamatban három alapvető számítási feladatot kell elvégeznie egy ilyen rendszernek. Először is szimulálnia kell a környezetet és az ágenseket. A megtanult szabályok (policy) alapján dönteni kell a következő teendőről. Végül az eredmény alapján frissíteni kell a policyt. És kezdődik minden elölről...

Egyedi architektúrát alakítottak ki

A tanítás sebességét mindig a leglassabb folyamat határozza meg, ám a DRL esetében nem segít, ha a három fázist egyenként optimalizálják, mert azok gyakran egymásba fonódnak. A kutatók az erőforrásokat úgy választották szét, hogy mindegyik fázisnak optimális mennyiség jusson (ezt nevezik a kutatók SampleFactory architektúrának).

Emellett más trükköket is bevetettek. Az adathoz való hozzáférést például úgy gyorsították, hogy besűrítették egy olyan megosztott memóriába, ahol az összes folyamat közvetlenül hozzáfért. Ezzel a módszerrel a 36 magos CPU-val és egy GPU-val felszerelt gépen másodpercenként 140 ezer képkockát tudtak feldolgozni. Ez a teljesítmény simán felveszi a versenyt azzal, amit a DeepMind Lab 3D-s képzési környezete biztosít.

De nem csak ebben bizonyult jobbnak a kutatók rendszere. Próbaként megcsináltak 30 darab olyan 3D-s példafeladatot, amit a DeepMind Lab állított össze. A kutatók fapados rendszeren tanított MI-modellje jobbnak bizonyult, mint amit a DeppMinddal sikerült előállítani. A csapat egyébként a módszert egy középkategóriás laptopon is kipróbálták, és azon is működőképesnek bizonyult.