گروهی از پژوهشگران چند مؤسسه، MAI-Gym را منتشر کرده‌اند؛ بستری متن‌باز برای ساخت، آزمایش و آموزش عامل‌های هوش مصنوعی که با رابط‌های گرافیکی کاربری (GUI) تعامل دارند. کد، داده‌ها و فایل مدل ۹ میلیاردپارامتری اکنون برای دانلود در دسترس همگان است. MAI-Gym با تلفن‌های همراه، رایانه‌های رومیزی و مرورگرهای وب کار می‌کند و می‌تواند تا 20,000 محیط را به‌صورت موازی اجرا کند.
MAI-Gym چه امکاناتی دارد؟
این پلتفرم یک خط لوله مشترک برای اجرای عامل‌ها دارد که رفتار آن‌ها را در ارزیابی و آموزش با یادگیری تقویتی (RL) یکسان نگه می‌دارد. همچنین با ده مجموعه معیار شناخته‌شده و 2,000 وظیفه تأییدشده عرضه می‌شود که اپلیکیشن‌هایی مانند رزرو بلیت، ایمیل و صفحه‌های تنظیمات را پوشش می‌دهند. MAI-Gym می‌تواند اپلیکیشن‌های آزمایشی تازه را هم به‌طور خودکار بسازد و محیط‌هایی را ایجاد کند که بتوان آن‌ها را به حالت اولیه بازگرداند، و نیز جهان‌هایی با چند اپلیکیشن بسازد؛ اجرای درست این محیط‌ها بررسی می‌شود.
نتایج مدل 9B منتشرشده
پژوهشگران با استفاده از این چارچوب، MAI-Gym-9B را آموزش دادند؛ عاملی یکپارچه برای استفاده در موبایل و رایانه‌های رومیزی. این مدل در معیار MobileWorld به نرخ موفقیت 78.4 % و در OSWorld-Verified به 76.2 % رسید. در یک آزمون انتقال، عامل ابتدا وظیفه رزرو بلیت را در یک اپلیکیشن شبیه‌سازی‌شده یاد گرفت و سپس همان کار را روی یک تلفن واقعی انجام داد؛ نرخ موفقیت از 28.8 % به 48.1 % افزایش یافت.
چرا مهم است
توسعه‌دهندگان اکنون می‌توانند بدون ساخت زیرساخت عظیم اختصاصی، دستیارهای هوش مصنوعی را برای کار با تلفن‌ها، رایانه‌های شخصی و مرورگرها آموزش دهند. داده‌ها و مدل متن‌باز به پژوهشگران کمک می‌کنند ایده‌های تازه را سریع‌تر بیازمایند و نتیجه آزمون انتقال نشان می‌دهد آموزش در اپلیکیشن‌های شبیه‌سازی‌شده می‌تواند عملکرد در دنیای واقعی را بهبود دهد.
