BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
BrowserForge è un framework che scala la generazione di dati di interazione web di alta qualità eseguendo sandbox di browser in parallelo su tutto il web aperto per creare un corpus diversificato di 203.238 traiettorie, il che migliora significativamente le prestazioni degli agenti web basati su pixel su benchmark live e statici.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate un programma per computer progettato per aiutarvi a navigare su Internet, un po' come un assistente digitale in grado di cliccare pulsanti, digitare testo e scorrere le pagine per completare un compito per voi. Affinché questi programmi possano imparare a farlo, devono fare pratica su siti web reali, osservando come un essere umano si muoverebbe da un punto di partenza a un obiettivo finale. Finora, i dati utilizzati per istruire questi programmi sono stati limitati. La maggior parte dei set di addestramento è stata costruita registrando le azioni umane su una piccola lista fissa di siti web popolari, o generando scenari finti basati su un ristretto insieme di tutorial. Ciò significava che i programmi imparavano a navigare solo una frazione minuscola di Internet, faticando quando incontravano un sito nuovo o sconosciuto. Erano come studenti che avevano studiato solo un singolo libro di testo; quando ricevevano un libro diverso, non sapevano come leggerlo.
Un team di ricercatori ha costruito un sistema chiamato BrowserForge per risolvere questo problema. Invece di fare affidamento su una piccola lista pre-selezionata di siti web, hanno trasformato l'intero web aperto in un campo di addestramento. Hanno creato una vasta rete di centinaia di computer virtuali, ognuno dei quali eseguiva un browser separato. Questi browser sono stati inviati a visitare centinaia di migliaia di diversi siti web reali presenti sul web pubblico. Il sistema non si limitava a visitare queste pagine; tentava attivamente di eseguire dei compiti su di esse. Un primo agente di intelligenza artificiale guardava una pagina e inventava un compito plausibile, come trovare un articolo specifico o controllare un prezzo. Un secondo agente tentava quindi di completare quel compito cliccando e digitando, registrando ogni sua mossa. Se il compito veniva completato con successo, la registrazione di quelle mosse veniva salvata come una lezione. Se l'agente rimaneva bloccato o falliva, quel tentativo veniva scartato. Questo processo è stato ripetuto ancora e ancora, generando più di 200.000 esempi di apprendimento unici, ciascuno tratto da un sito web completamente diverso.
I ricercatori hanno scoperto che questo approccio ha prodotto un dataset molto più grande e diversificato di quanto precedentemente disponibile. Mentre i vecchi dataset contenevano solo poche migliaia di esempi da poche centinaia di siti, questa nuova collezione copriva quasi 200.000 siti web distinti. Quando hanno utilizzato questi nuovi dati per addestrare un modello informatico compatto ed efficiente, i risultati sono stati immediati e significativi. La capacità del modello di completare con successo i compiti su siti web dal vivo è passata da circa il 25 percento a oltre il 33 percento. Questo miglioramento non è stato solo un piccolo incremento; ha permesso a un modello relativamente piccolo di superare sistemi molto più grandi e complessi che erano stati addestrati su dati più vecchi e ristretti. Lo studio ha dimostrato che la chiave del miglioramento non era un nuovo trucco nel modo in cui il modello veniva istruito, ma semplicemente la pura varietà dei siti web che aveva visto. Esponendo il sistema al caos e all'imprevedibilità del web aperto, i ricercatori gli hanno insegnato a essere molto più adattabile.
Il successo di questo metodo è dipeso da un attento processo di pulizia. Poiché il sistema stava generando compiti e tentandoli senza supervisione umana, molti tentativi fallivano o producevano registrazioni disordinate. I ricercatori hanno costruito un filtro per rimuovere questi cattivi esempi. Prima hanno usato regole semplici per scartare i tentativi che chiaramente erano andati male, come quelli che non terminavano mai. Poi hanno usato un altro sistema intelligente per esaminare i tentativi rimanenti e confermare se il compito fosse stato effettivamente completato. Infine, hanno riscritto i tentativi riusciti in un formato chiaro e coerente in modo che il modello di apprendimento potesse comprendere la logica dietro le azioni. Ciò ha garantito che il modello imparasse da esempi di alta qualità piuttosto che dal rumore. Lo studio ha confermato che la diversità dei siti web era il principale motore del successo. Quando i ricercatori hanno testato il modello su diversi tipi di siti web e compiti, il miglioramento è rimasto costante, suggerendo che il modello avesse veramente appreso abilità generali piuttosto che aver solo memorizzato pagine specifiche.
Questo lavoro dimostra che il modo migliore per insegnare a un computer come navigare sul web è lasciargli esplorare il web stesso. Automatizzando il processo di visita di siti reali e di tentativo di compiti reali, i ricercatori hanno creato un set di addestramento che rispecchia la vera complessità di Internet. Il risultato è un assistente digitale più capace e affidabile, capace di gestire i layout inaspettati e le caratteristiche uniche dei milioni di siti web che esistono oggi. Le scoperte suggeriscono che, man mano che la quantità di questi dati del web aperto cresce, le prestazioni di questi agenti continueranno a migliorare, avvicinandoli all'obiettivo di un vero assistente web universale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.