Danijar Hafner 31 éves kutató új, még névtelen startupját a San Francisco-i SoMa negyedben hozta létre; az iroda többségében üres, a cég még "stealth" üzemmódban működik, és a bejáratra sem került névtábla. Amikor a riport készítője megfordult nála, csak egy másik alkalmazott tartózkodott az irodában, a berendezés szerény volt — viszont a tér közepén sorakozó állványokon különböző formájú és méretű humanoid robotok lógtak, mintha bábu-figurák lennének. A humanoidokat Kínából importálja a vállalkozás.
Mi a cél: robotok, amelyek váratlan helyzetekben is boldogulnak
Hafner elmondása szerint az új cég folytatása annak a munkának, amelynek célja, hogy a mesterséges intelligencia képes legyen olyan környezetben is működni, amelyet nem látott a tanulás során. A humanoidok fizikai megtestesülését jelentik ennek a kutatásnak: képességük, hogy eddig nem tesztelt, váratlan helyzetekre reagáljanak, kulcsfontosságú a robotok emberi terekbe való bevezetéséhez. Például egy lakásba küldött robotnak el kell boldogulnia olyan alaprajzzal és bútorokkal, amelyeket korábban nem ismert.
A módszer: model-based reinforcement learning és world modellek
Hafner megközelítése a model-based reinforcement learningre épül. Világmodelleket fejleszt — olyan mesterséges intelligencia modelleket, amelyek a fizikai valóságot próbálják utánozni —, és az ügynököket ezekben a modellekben képezi. Az ügynök a modellt valós szimulációnak tekinti, ott tanul cselekedni, majd ezeket a tapasztalatokat felhasználva képes előrejelzéseket készíteni (Hafner ezt álmodásnak, képzelgésnek is nevezhetné). Ez a képesség lehetővé teszi, hogy az ügynökök — illetve a bennük lévő robotok — ismeretlen helyzetekben is működőképes döntéseket hozzanak a való világban.
A módszernek van gyakorlati előnye: szemben a hagyományos robotikai megközelítéssel, amely sok valós próbálkozást és hibát igényel, Hafner technikája lehetővé teszi rendkívül összetett feladatok végrehajtását anélkül, hogy minden egyes helyzetet fizikailag le kellene próbálni.
Kutatói pálya és korábbi eredmények
Hafner Északkelet-Németország egy vidéki városában nőtt fel; szülei mindketten klasszikus zenészek. Programozást egy szomszédtól tanult, és középiskolás korától online kurzusokon kezdett foglalkozni a mesterséges intelligenciával, ami hamar szenvedéllyé vált számára. "Mindig érdekelt, hogyan működik a gondolkodás" — mondta —, és az MI egy eszközt adott számára ennek számítógépes utánzására.
2015-ben, amikor a Hasso Plattner Institute mérnökképzésének másodéves hallgatója volt Potsdamban, elnyert egy diák-kutatói pozíciót a Google Brainnél. Ezt követően körülbelül tizenkét gyakornoki és más pozíció következett a Google különböző csapataiban, köztük a Google Brainnél és a Google DeepMindnél az Egyesült Királyságban, Kanadában és az Egyesült Államokban. Dolgozott olyan iparági szereplőkkel, mint Geoffrey Hinton és Ashish Vaswani.
Egykori menedzsere és Google-társszerzője, Timothy Lillicrap a kiválók között említi Hafnert: "Sok nagyon okos emberrel dolgozom a Google kutatásában, és ő könnyen az első 0,5%-ban is ott lenne" — mondta Lillicrap. Hozzátette, hogy gyakran egyedül képes volt olyan rendszereket felépíteni, amelyek más esetben egész mérnökcsapatok munkáját igényelnék.
A Dreamer-sorozat és a fizikai világ felé való elmozdulás
Hafner módszerét elsősorban videojátékokon tesztelte és tökéletesítette. Első áttörése a PlaNet volt, amely lehetővé tette, hogy az ügynökök előre tervezve cselekedjenek. A Dreamer 2 volt az első ügynök, amely világmodellel emberi szintű teljesítményt ért el Atari 2600 játékokban. A Dreamer 3 sikerrel megoldotta a Minecraft Diamond kihívást — önállóan bányászott játékbeli gyémántokat. A Dreamer 4 pedig tovább lépett: offline felvételekből, játékmegfigyelések videóiból tanulva tudott gyémántot szerezni anélkül, hogy közvetlenül interakcióba lépett volna a játékkal.
Az utóbbi időben Hafner elkezdte kivezetni az ügynököket a virtuális világból a fizikai valóságba. A DayDreamer projekt a Dreamer algoritmust alkalmazta arra, hogy robotok önállóan működjenek ismeretlen környezetekben és új élményekre (például ha fellökik őket) reagáljanak anélkül, hogy az adott helyzetre kifejezetten betanították volna őket.
A jövő: nagy ambíciók, kevés részlet
Hafner 2025 őszén hagyta el a Google DeepMindet, hogy megalapítsa új céget. A részletekről egyelőre szűkszavú marad: nem árulja el a cég nevét, és nem beszél bővebben a konkrét termékkoncepcióról. Ugyanakkor világos, hogy nagy léptékben gondolkodik: utalásai szerint olyan problémát szeretne megoldani, "ami megváltoztatná a világot."
