 Google DeepMind считает, что лучший способ научить машины познавать окружающий мир - поместить их в виртуальный, а именно в видеоигры. Поскольку весь опыт является виртуальным, это позволяет легко воспроизвести точные сценарии и получить практически неограниченное количество данных из одной игры. Ранее DeepMind разработала алгоритмы, чтобы пройти такие двумерные игры, как Breakout и Pac-Man.
Теперь DeepMind приобрела третье измерение и построила программу, которая может перемещаться в трехмерном лабиринте. Алгоритм не читает код игры - он в буквальном смысле смотрит на то, что любой человек будет видеть, и принимает решения и суждения о том, куда идти.
Алгоритм был разработан, чтобы исследовать генератор трехмерных лабиринтом, где целью является поиск наград в случайно сгенерированном лабиринте. Они также тестируют три другие платформы - платформу Атэри 2600, платформа моделирования физики, и платформу, которая напоминает гоночную игру.
При прохождении лабиринта очки выставлялись за нахождения яблок и порталов. Если алгоритм находит яблоко, то он получает одно очко. Если он находит портал, то он получает 10 очков и перемещается в другое случайное место в лабиринте. Через 60 секунд игра заканчивается и начинается новая. При отсутствии подготовки, компьютер получила около 2 баллов за игру, но после 200 млн шагов в течение 3 дней, он добился среднего результата около 50 баллов. DeepMind пришел к выводу о том, что компьютер нашел «разумные стратегии» для изучения и поиска порталов. Тем не менее, команда не поставила человека в качестве примере для этой игры.
Это круто как для исследователей искусственного интеллекта, так и для геймеров. Для исследователей это может привести к лучшей тактике компьютерного зрения и пространственного распознания, что является важным для автономных автомобилей и роботов. Если удастся развернуть эти алгоритмы в чрезвычайно подробных и виртуальных сценариях, то это может экспоненциально улучшить обучение роботов, которые существуют в реальном мире. Мы также сможем добраться до точки, где мы получим возможность проанализировать поведение искусственного интеллекта. В играх, которые алгоритмы обучения уже освоили (подобно шахматам или го) те, кто хорошо знаком с игрой могут отметить, как агрессивный или пассивный шаг будет выглядеть, но в трехмерной среде подобного будет намного проще добиться.
И это также означает, что в будущем геймеры смогут играть против настоящего искусственного интеллекта, который познает и учится, нежели предварительно кодированные боты с уровнями сложности. Различные персонажи могут иметь разные личности на основе конкретных данных, и они будут по-разному реагировать на опыт, который они имеют с вами в игре.
|
