Meilenstein im Machine Learning erreicht

OpenAI stellt OpenAI Gym Open Source
Kommentare

Die Non-Profit-Einrichtung OpenAI bleibt ihrem Grundgedanken – alle Ergebnisse werden öffentlich gemacht – verpflichtet und veröffentlicht jetzt die Public-Beta von OpenAI Gym. Dabei handelt es sich um ein Toolkit zur Entwicklung und zum Vergleich von Reinforcement-Learning-Algorithmen.

Die Erfinder von OpenAI betonten bereits bei ihrer Gründung im Dezember 2015, dass ihre Forschung nicht von finanziellen Notwendigkeiten geprägt sein sollte, sondern dass ihre Forschungsergebnisse vielmehr der Öffentlichkeit zur Verfügung gestellt würden. Dadurch solle auch der Einfluss einzelner Konzerne auf die Zukunft der KI-Nutzung eingeschränkt werden.

We believe AI should be an extension of individual human wills and, in the spirit of liberty, as broadly and evenly distributed as possible.

Diesem Credo folgend hat OpenAI jetzt die Public-Beta von OpenAI Gym veröffentlicht, die Entwicklern nun Open Source zur Verfügung steht.

OpenAI Gym Beta – das sind die Features

Bei OpenAI Gym handelt es sich um ein Toolkit zur Entwicklung und zum Vergleich von Reinforcement-Learning-Algorithmen (RL). Das Toolkit bietet verschiedenste Umgebungen, von leicht bis schwierig, die viele unterschiedliche Datensets beinhalten: von simulierten Robotern bis hin zu Atari-Spielen ist alles dabei. Zudem gibt es eine Site zum Vergleichen und Reproduzieren von Ergebnissen.

OpenAI Gym ist mit Algorithmen aller Frameworks kompatibel, so zum Beispiel TensorFlow oder Theano. Die Umgebungen sind in Python geschrieben, sollen aber in Kürze auch mit anderen Sprachen genutzt werden können. Interessierten steht zum Einstieg ein Tutorial zur Verfügung. Zudem sind Entwickler dazu aufgerufen, sich rege an der Umgebungsentwicklung zu beteiligen.

JavaScript Days 2017

Architektur mit JavaScript

mit Golo Roden (the native web)

JavaScript Testing in der Praxis

mit Dominik Ehrenberg (crosscan) und Sebastian Springer (MaibornWolff)

Reinforcement Learning?

Reinforcement Learning ist ein Teilbereich des Machine Learnings, der sich mit Entscheidungsfindung und Bewegungssteuerung befasst. RL erforscht, wie ein Agent das Erreichen von Zielen in einer komplexen, unsicheren Umgebung erreichen kann. Warum das so spannend ist? Ganz einfach, Reinforcement Learning ist sehr allgemein und umfasst alle möglichen Probleme, die beim Prozess der Entscheidungsfindung auftreten können. So können zum Beispiel Video- und Brettspiele gemeistert werden. Zudem zeigt sich, dass RL-Algorithmen in den unterschiedlichsten Umgebungen gute Resultate bringen: DeepMind und AlphaGo nutzten beide solche Algorithmen.

Allerdings wird die RL-Forschung derzeit noch von zwei Faktoren ausgebremst: Es fehlen bessere Benchmarks und eine standardisierte Bezeichnung der Umgebungen in Publikationen. Diese beiden Probleme möchte OpenAI Gym lösen.

Mehr Infos zu OpenAI? Kein Problem – bitte hier lang.

Ausführliche Informationen zu OpenAI Gym und den bestehenden Umgebungen bietet der zugehörige Blogpost. Auf der Projektwebsite findet sich neben Umgebungsbeispielen auch die ausführliche Dokumentation.

 

Aufmacherbild: Next Generation AI series von Shutterstock / Urheberrecht: agsandrew

Unsere Redaktion empfiehlt:

Relevante Beiträge

Meinungen zu diesem Beitrag

X
- Gib Deinen Standort ein -
- or -