Не так просто обучать нейронные сети. Даже если их не сложно реализовать, то для подготовки может потребоваться несколько часов, независимо от того, какие вычислительные мощности имеются. У исследователей OpenAI, возможно, есть лучшее решение: забыть о многих привычных правилах. Они разработали стратегию эволюции, которая обещает сделать системы ИИ более мощными. Вместо того, чтобы использовать стандартную процедуру обучения, они придумали «чёрный ящик», где можно забыть о нейронных сетях и связях с окружающей средой. Речь идёт об оптимизации данной функции в условиях изоляции и её использовании по мере необходимости.
Система начинает работать со многими случайными параметрами, делает догадки, а затем готовит последующие догадки в пользу более успешных решений, постепенно сводя всё к идеальному ответу. Можно начать с миллиона чисел, но в итоге останется только одно.
Всё это звучит немного загадочно, но преимущества очевидны. Эта технология устраняет многие традиционные проблемы в обучении нейронных сетей, делая код более простым в реализации и примерно в два-три раза быстрее. В ходе тестирования большой суперкомпьютер с 1 тысячью 440 ядрами смог за 10 минут обучить гуманоидов ходьбе, в то время как обычно на это уходило 10 часов, и даже «скромная» система с 720 ядрами могла за 1 час сделать то, на что для 32-ядерной системы ушёл бы целый день.
Пройдёт много времени, прежде чем технологию «чёрного ящика» начнут применять в реальных системах ИИ. Но перспективы очевидны: операторы нейронных сетей вместо обучения систем смогут тратить больше времени на их использование. Поскольку компьютеры становятся всё быстрее, это повышает шансы того, что такое обучение может быть эффективно внедрено в практику. В конечном итоге можно будет увидеть роботов, которые могут быстро адаптироваться к новым задачам и учиться на ошибках.