Научник са Универзитета у Пекингу је недавно објавио препринт научног чланка са детаљима
Шта је суштина
Већина студија у жанру“потера-избегавање” у АИ и теорији игара се баве учењем машина за истраживање простора. Пошто већина обука АИ укључује систем који награђује машину за постизање циља, програмери често користе гамификацију као подстицај за учење.
Другим речима, не можете само да залепите робота у собу и кажете „уради ово“. Морате му дати циљеве и разлог да их постигне. Затоистраживачи развијају АИ која по својој природи тежи награђивању.
Традиционално окружење за обуку интелигенције представља изазовеАгент АИ има задатак да манипулише дигиталним моделима како би истражио простор док не испуни своје циљеве или не пронађе награду. Подсећа на Пац Ман: АИ мора да се креће по окружењу док не поједе све пелете за награду.
Istorija pitanja
Још од ДеепМинд -ових АИ системасавладавши шах и иди, СЦИИ је постао примарно окружење за обуку за такмичарску вештачку интелигенцију. То је игра у којој се играчи, АИ или комбинације играча и АИ природно супротстављају.
Али што је још важније, ДеепМинд и другиistraživačke organizacije su već obavile težak posao pretvaranja izvornog koda igre u AI igralište sa nekoliko mini igara koje omogućavaju programerima da se fokusiraju na svoj rad.
Истраживач Ксун Хуанг, поменути научникса Универзитета у Пекингу, кренуо је да проучава “парадигму избегавања потере” за обуку АИ модела. Али открио сам да СЦИИ модел има нека ограничења: у уграђеној верзији игре “пурсуит-евасион” Контрола прогонитеља може бити поверена само АИ.
Основна шема укључује три гоњењакарактер (представљају га војници из игре) и 25 ликова који избегавају (представљају их ванземаљци из игре). Постоји и режим који користи “магла рата” да затамне мапу, што отежава гоничу да открије и уништи избегавача, али према истраживању, ово је 1В1 режим.
Смешно, али основно понашање 25Додгерсова стратегија је да остану непомични где год се појаве, а затим да нападну своје гониче на лицу места. Будући да су гоничи много јачи од утајивача, то резултира очекиваним уништењем сваког избегавача одмах по откривању.
Перспективе
Хуангов чланак детаљно описује парадигмуОбука АИ у СЦИИ окружењу, која се фокусира на подучавање АИ да избегне прогонитеље. У њиховој верзији, АИ покушава да се сакрије у „магли рата“ како би избегао заробљавање и смрт.
Ово је фасцинантна студија која користивидео игрице које би могле имати огромне импликације на стварни свет. Најнапредније војне организације на свету користе видео игрице за обуку људи. А програмери вештачке интелигенције користе ова окружења за учење да би припремили АИ мозгове за живот унутар правог робота.
Чисто теоретски, Хуангов рад изгледаузбудљиво. Али само замислите робота Бостон Динамицс, који има способност не само да трчи и скаче по локацији, већ и да намерно избегне потеру одељења специјалних снага.
Извор: аркив, деепминд, тхенектвеб
Илустрације: гоодфон
</ п>