Un om de știință de la Universitatea Peking a publicat recent o preprint a unui articol științific care detaliază
Care este esența
Cele mai multe cercetări în acest gen“urmărire-evitare” în AI și teoria jocurilor sunt preocupate de mașinile de predare să exploreze spațiul. Deoarece majoritatea instruirii AI implică un sistem care recompensează mașina pentru atingerea unui obiectiv, dezvoltatorii folosesc adesea gamification ca un stimulent pentru învățare.
Cu alte cuvinte, nu poți să bagi un robot într-o cameră și să spui “fă asta”. Trebuie să-i oferi obiective și un motiv pentru a le atinge. De aceeacercetătorii dezvoltă AI care, prin natura sa, încearcă să recompenseze.
Mediul tradițional de instruire în domeniul inteligenței provoacăUn agent AI are sarcina de a manipula modele digitale pentru a explora spațiul până când își îndeplinește obiectivele sau găsește o recompensă. Amintește de Pac Man: IA trebuie să se miște în jurul mediului până când mănâncă toate granulele de recompensă.
Istoria problemei
Încă de la sistemele AI DeepMindstăpânit șah și du-te, SCII a devenit mediul principal de formare pentru AI competitivă. Este un joc în care jucătorii, AI, sau combinațiile de jucători și AI se opun în mod natural.
Dar, mai important, DeepMind și alțiiorganizațiile de cercetare au făcut deja eforturile de a transforma codul sursă al jocului într-un loc de joacă AI cu mai multe mini-jocuri care permit dezvoltatorilor să se concentreze asupra muncii lor.
Cercetătorul Xun Huang, om de știință menționat mai susde la Universitatea din Peking, și-a propus să studieze “paradigma urmărire-evaziune” pentru antrenarea modelelor AI. Dar am descoperit că modelul SCII are câteva limitări limitative: în versiunea încorporată a jocului “pursuit-evasion” Controlul urmăritorilor poate fi încredințat doar AI.
Schema de bază include trei urmăriripersonaj (reprezentat de soldații din joc) și 25 de personaje evader (reprezentate de extratereștrii din joc). Există, de asemenea, un mod care utilizează “ceață de război” pentru a întuneca harta, făcând dificil pentru urmăritor să detecteze și să distrugă evaderul, dar conform cercetărilor, acesta este un mod 1V1.
Comportament amuzant, dar de bază 25Strategia Dodgers este să rămână staționați oriunde apar și apoi să-și atace urmăritorii pe loc. Deoarece urmăritorii sunt mult mai puternici decât cei care evadează, acest lucru are ca rezultat distrugerea așteptată a fiecărui evasionist imediat după depistare.
Perspective
Articolul lui Huang descrie paradigma în detaliuInstruire AI în mediul SCII, care se concentrează pe predarea AI pentru a evita urmăritorii. În versiunea lor, AI încearcă să se ascundă în „ceața războiului” pentru a evita capturarea și moartea.
Acesta este un studiu fascinant folosindjocuri video care ar putea avea implicații uriașe pentru lumea reală. Cele mai avansate organizații militare din lume folosesc jocuri video pentru a antrena oamenii. Și dezvoltatorii AI folosesc aceste medii de învățare pentru a pregăti creierul AI pentru viața într-un robot adevărat.
Pur teoretic, opera lui Huang parecaptivant. Dar imaginați-vă un robot Boston Dynamics, înzestrat cu capacitatea nu doar de a alerga și de a sări în jurul site-ului, ci și de a se sustrage intenționat urmărirea de către o echipă de forțe speciale.
Sursa: arxiv, deepmind, thenextweb
Ilustrații: goodfon
</ p>