Yazı
Bir yapay zekâya yürümeyi öğretmek 36 deneme sürdü
Bir yapay zekâ sporcu yürümeyi deneme yanılmayla nasıl öğrendi: 36 deneme, dizlerini kilitleyen bir hata, sekmeler, taklalar ve sonunda gerçek adımlar.

AI Athletes League’deki her oyuncu, bir yapay zekâ sonunda yürümeyi öğrendiği için yürüyor, koşuyor ve şut atıyor. O yapay zekâ 36. denemeydi. İşte ondan önceki 35 denemenin başına gelenler.
“Deneme” ne demek
Bir deneme, yepyeni bir yapay zekâ demek. Hiçbir şey bilmeden başlıyor: nasıl ayakta duracağını, ilerinin neresi olduğunu, topun ne olduğunu bilmiyor. Fizik simülasyonunun (MuJoCo) içindeki iki ayaklı küçük bir gövdenin eklemlerini kontrol ediyor ve deneme yanılmayla öğreniyor. İstediğimiz şeyler için puan veriyoruz, örneğin bir hedefe yaklaşmak; istemediklerimiz için puan alıyoruz, örneğin düşmek. Milyonlarca denemede puan toplamakta giderek ustalaşıyor. Buna pekiştirmeli öğrenme deniyor ve bir püf noktası var: yapay zekâ bizim ne demek istediğimizi değil, puanların tam olarak neyi ödüllendirdiğini öğreniyor.
İlk denemeler
- deneme düştü. İlk sporcumuz Bolt topa vurmayı öğrendi ve düştü. Topu hareket ettirmek puan getiriyordu, düşmenin bedeli neredeyse yoktu. Düşmeyi pahalılaştırdık ve gol attı.
Sonra puanlar bizi şaşırtmaya devam etti. 8. deneme yürüdü, ama geri geri; çünkü ileriye bakmak hiç puan getirmiyordu. Topa dokunmak ödüllendirilince topu sonuna kadar sürüp gol attı, sonra takıldı, çünkü uzun bir top sürme golden fazla puan getiriyordu. Hareketi kazandırdığından pahalı yaptığımızda yalnızca birkaç saniye sonrasını düşünen bir yapay zekâ kıpırdamadan durdu. Daha ilerisini düşünen ikizi ise depar attı ve düştü.
- denemeye gittiği yöne bakması için puan verdik ve sonunda ileri yürüdü. 26. denemeye direklerin yeri söylendi ve isabetli şutlar ödüllendirildi. Testini geçti, denemelerin yüzde 80’inde gol attı. Bolt futbol oynayabiliyordu.
Büyük sürpriz
Sonra Bolt’un bacaklarına yakından baktık. Dizleri 2,6 derece bükülebiliyordu. 150 derece bükülmeleri gerekiyordu. Bir birim hatası fizik motorunun radyanları derece diye okumasına yol açmıştı; o güne kadarki her yapay zekâ neredeyse kaskatı bacaklarla öğrenmişti. (Hatanın tüm hikâyesi.) Gövdeyi düzelttik ve baştan başladık.
Baştan başlamak
Çalışan dizler her şeyi değiştirdi, ama önce iyi yönde değil. Hız ödüllüydü, bir sonraki yapay zekâ sıçradı ve takla attı. Sırayla basmak ödüllendirilince bunun yerine geçen bir sekme buldu. 30. denemeye bacaklarını birbirine benzetmesini söyledik: yine sekme. 31. deneme dört kat baskı aldı: aynı sekme. Ayakta durmak puana mal olunca ayakta durmadı. Nasıl bastığına değil ne zaman bastığına puan verince tıpış tıpış ilerledi. Sonra kaskatı bir tahta bacak geldi: tek sağlam bacak ödülün çoğunu yine kazanıyordu.
36. deneme
- deneme, ilk adımından itibaren tüm düzeltmeleri taşıyan yeni bir yapay zekâydı. 30 dakikalık antrenmandan sonra gerçek adımlar attı. Dört buçuk saat sonra dönüp durabiliyordu. On bir saatin sonunda ligdeki her oyuncunun atası olacak kadar iyi yürüyordu: futbol okulu ve sekiz takımın tamamı bundan başlıyor.
36 denemenin öğrettikleri
Her şeyi puanlar belirliyor. Yukarıdaki her başarısızlık, yapay zekânın tam olarak ödüllendirildiği şeyi yapmasıydı; her düzeltme ise ne istediğimizi daha iyi söylemenin bir yoluydu. Öteki ders de görüntüleri izlemek: geri geri yürüme de kaskatı dizler de videoda apaçıktı, ikisi de sayıların içinde saklanmıştı.
Hepsini 1. bölümde izleyebilir, o ilk adımların neye dönüştüğünü 1. Sezonda takip edebilirsiniz.