Nuevo enfoque de entrenamiento podría ayudar a los agentes de IA a desempeñarse mejor en condiciones inciertas
Un robot doméstico entrenado para realizar tareas del hogar en una fábrica puede fallar al intentar limpiar un fregadero o sacar la basura en la cocina de un usuario, ya que este nuevo entorno difiere de su espacio de entrenamiento. Ingenieros suelen intentar igualar el ambiente de entrenamiento simulado con el mundo real donde se desplegará el agente. Sin embargo, investigadores del MIT han descubierto que, a veces, entrenar en un entorno completamente diferente puede producir agentes de inteligencia artificial más efectivos. Este fenómeno es llamado el efecto de entrenamiento interno.
Los investigadores investigaron este fenómeno entrenando agentes de IA para jugar juegos de Atari, modificándolos con imprevisibilidad. Sorprendentemente, el efecto de entrenamiento interno ocurrió consistentemente en varios juegos y sus variaciones. El estudio concluye que entrenar a un agente simulado en un ambiente con menos incertidumbre permite mejor rendimiento que en aquel ruidoso en el que ambos agentes fueron probados. Esto abre un nuevo paradigma, donde quizás no sea necesario igualar los entornos de entrenamiento y prueba, sino crear ambientes simulados que posibiliten un aprendizaje más efectivo.
Link del artículo original: MIT News
