Wissenschaftler entdecken neues KI-Phänomen – „Indoor-Trainingseffekt“
Forscher des Massachusetts Institute of Technology (MIT) und anderer wissenschaftlicher Zentren haben eine unerwartete Entdeckung im Bereich des KI-Trainings gemacht, die den herkömmlichen Ansätzen zum Training von KI-Agenten widerspricht.
Die Wissenschaftler entdeckten ein Phänomen, das sie „Indoor-Trainingseffekt“ nannten. Entgegen der traditionellen Ansicht, dass simulierte Trainingsumgebungen genau den realen Betriebsbedingungen entsprechen sollten, zeigte die Forschung: Training in einer völlig anderen, vorhersehbareren Umgebung kann zu besseren Ergebnissen führen.
„Wenn wir in der Halle Tennis spielen lernen, wo es keinen Lärm gibt, können wir verschiedene Schläge leichter beherrschen. Wenn wir dann in eine lautere Umgebung, wie einen windigen Platz, wechseln, haben wir möglicherweise eine höhere Chance, gut zu spielen, als wenn wir unter windigen Bedingungen mit dem Training begonnen hätten“, erklärt Serena Bono, Forscherin am MIT Media Lab und Hauptautorin der Studie.
Um ihre Theorie zu testen, verwendeten die Forscher modifizierte Atari-Spiele, die ein Element der Unvorhersehbarkeit enthielten. Insbesondere experimentierten sie mit Pac-Man und veränderten die Bewegungswahrscheinlichkeiten der Geister. Die Ergebnisse waren unerwartet: Ein KI-Agent, der in einer rauschfreien Version des Spiels trainiert wurde, zeigte bessere Ergebnisse in einer „verrauschten“ Umgebung als ein Agent, der mit Störungen trainiert wurde.
Diese Entdeckung ist besonders wichtig für die Entwicklung der Haushaltsrobotik. Traditionell ging man davon aus, dass ein Roboter, der in einer Fabrik für Haushaltsaufgaben trainiert wurde, in der Küche eines Benutzers aufgrund von Umgebungsunterschieden ineffizient arbeiten könnte. Die neue Forschung bietet einen grundlegend anderen Ansatz zur Lösung dieses Problems.
„Dies ist eine völlig neue Perspektive auf das Problem. Anstatt zu versuchen, die Trainingsumgebung so ähnlich wie möglich zur Testumgebung zu machen, können wir simulierte Umgebungen schaffen, in denen der KI-Agent sogar besser lernt“, bemerkt Studien-Mitautor Spandan Madan, Doktorand an der Harvard University.
