Pekingin yliopiston tiedemies julkaisi äskettäin esipainoksen tieteellisestä artikkelista, jossa kerrottiin
Mikä on ydin
Suurin osa genren tutkimuksista“takaamisen välttäminen” tekoäly ja peliteoria käsittelevät koneiden opettamista tutkimaan avaruutta. Koska suurin osa tekoälykoulutuksesta sisältää järjestelmän, joka palkitsee koneen tavoitteen saavuttamisesta, kehittäjät käyttävät usein pelillistämistä kannustimena oppimiseen.
Toisin sanoen et voi vain työntää robottia huoneeseen ja sanoa "tee tämä". Sinun on annettava hänelle tavoitteita ja syy niiden saavuttamiseen. Siksitutkijat kehittävät tekoälyä, joka luonteeltaan pyrkii palkitsemaan.
Perinteinen älykkyyskoulutusympäristö haastaaTekoälyagentin tehtävänä on manipuloida digitaalisia malleja avaruuden tutkimiseksi, kunnes se saavuttaa tavoitteensa tai löytää palkinnon. Se muistuttaa Pac Mania: tekoälyn täytyy liikkua ympäristössä, kunnes se syö kaikki palkintopelletit.
Ongelman historia
Siitä lähtien DeepMindin AI -järjestelmistäShakki ja mene, SCII: stä tuli kilpailukykyisen tekoälyn ensisijainen koulutusympäristö. Se on peli, jossa pelaajat, tekoäly tai pelaajien ja tekoälyn yhdistelmät luonnollisesti vastustavat toisiaan.
Mutta mikä tärkeintä, DeepMind ja muuttutkimusorganisaatiot ovat jo tehneet kovaa työtä kääntämällä pelin lähdekoodista tekoälypeli, jossa on useita minipelejä, joiden avulla kehittäjät voivat keskittyä työhönsä.
Tutkija Xun Huang, edellä mainittu tiedemiesPekingin yliopistosta, päätti tutkia "takaa-ajo-väistöparadigmaa"; AI-mallien koulutukseen. Mutta huomasin, että SCII-mallilla on joitain rajoittavia rajoituksia: pelin sisäänrakennetussa versiossa “pursuit-evasion” Takaa-aajien hallinta voidaan uskoa vain tekoälylle.
Perusjärjestelmä sisältää kolme harjoitustahahmo (jota edustavat pelin sotilaat) ja 25 evader-hahmoa (jota edustavat pelin avaruusoliot). On myös tila, joka käyttää “sumua sodan” tummentaa karttaa, mikä vaikeuttaa väistäjän havaitsemista ja tuhoamista, mutta tutkimuksen mukaan tämä on 1V1-tila.
Hassua mutta alkeellista käytöstä 25Dodgerien strategiana on pysyä paikallaan missä tahansa he ilmestyvätkin ja hyökätä sitten takaa-ajoihinsa paikan päällä. Koska takaa-ajajat ovat paljon vahvempia kuin kiertäjät, tämä johtaa jokaisen väistäjän odotettuun tuhoutumiseen välittömästi havaitsemisen jälkeen.
Näkymät
Huangin artikkeli kuvaa paradigmaa yksityiskohtaisestiTekoälykoulutus SCII-ympäristössä, jossa keskitytään opettamaan tekoälyä kiertämään takaa-ajoja. Versiossaan tekoäly yrittää piiloutua "sodan sumuun" välttääkseen vangitsemisen ja kuoleman.
Tämä on kiehtova tutkimus käyttäävideopelejä, joilla voi olla valtava vaikutus todelliseen maailmaan. Maailman edistyneimmät sotilasjärjestöt käyttävät videopelejä ihmisten kouluttamiseen. Ja tekoälykehittäjät käyttävät näitä oppimisympäristöjä valmistaakseen tekoälyaivoja elämään todellisen robotin sisällä.
Puhtaasti teoreettisesti Huangin työ näyttääjännittävä. Mutta kuvittele vain Boston Dynamics -robotti, jolla ei ole kykyä vain juosta ja hypätä alueella, vaan myös tarkoituksellisesti välttää erikoisjoukkojen takaa-ajoa.
Lähde: arxiv, deepmind, thenextweb
Kuvitukset: goodfon
</ p>