Twitter, @jeffclune

Systemy sztucznej inteligencji stosowane w większości gier są mocno ograniczone. Bazują na predefiniowanych założeniach i często nie są w stanie uczyć się na własnych błędach. Daleko im do algorytmów AI wykorzystujących technologię uczenia maszynowego, które od podstaw uczą się zasad funkcjonowania w określonym środowisku. O tym, jak ogromny potencjał tkwi w tej technologii, przekonał się zespół Uber AI.

Naukowcy skupieni wokół tego projektu postawili sobie za cel nauczenie algorytmu Go-Explore obsługi gier z Atari 2600. Po długich tygodniach szkolenia dopięli swego – sztuczna inteligencja przeszła wspomniane tytuły w mistrzowski sposób, bijąc kolejne rekordy i pokonując żywych graczy. Było to możliwe dzięki zastosowaniu innowacyjnego mechanizmu uczenia się – aplikacja nie tylko analizowała bieżącą sytuację na planszy, zapamiętała także swoje poprzednie ruchy, dzięki czemu zoptymalizowała proces przemieszczania się po już przebytych poziomach.

Wdrożenie tego systemu okazało się ogromnym sukcesem. Go-Explore jest pierwszą sztuczną inteligencją, która pokonała wszystkie poziomy w Montezuma’s Revenge, wykręciła także niemalże perfekcyjny wynik w Pitfallu.

Eksperymenty Uber AI z grami na Atari czy testy inteligentnych botów OpenAI w Dota 2 tylko pozornie służą rozrywce. Dzięki nim naukowcy mogą przetestować algorytmy uczenia maszynowego w bezpiecznym środowisku, a następnie wykorzystać zdobytą wiedzę np. w procesie wdrożeniowym inteligentnych, autonomicznych samochodów.

Zobacz także:

-

Nowa sztuczna inteligencja Nvidii poprawi jakość grafiki w grach

-

Sztuczna inteligencja poprawiła słynny film z 1896 roku