En vetenskapsman från Pekings universitet publicerade nyligen ett förtryck av en vetenskaplig artikel med detaljer
Vad är essensen
Mest forskning inom genren“jakt-undvikande” i AI och spelteori sysslar det med att lära maskiner att utforska rymden. Eftersom de flesta AI-träningar involverar ett system som belönar maskinen för att uppnå ett mål, använder utvecklare ofta gamification som ett incitament för lärande.
Med andra ord, du kan inte bara sticka en robot i ett rum och säga “gör det här”. Du måste ge honom mål och en anledning att uppnå dem. Det är därförforskare utvecklar AI som till sin natur försöker belöna.
Den traditionella intelligensträningsmiljön utmaningarEn AI-agent har till uppgift att manipulera digitala modeller för att utforska rymden tills den fullbordar sina mål eller hittar en belöning. Det påminner om Pac Man: AI:n måste röra sig i miljön tills den äter upp alla belöningspellets.
Problemets historia
Ända sedan DeepMinds AI -systembehärskade schack och go, SCII blev den primära träningsmiljön för konkurrenskraftig AI. Det är ett spel där spelare, AI eller kombinationer av spelare och AI naturligtvis motsätter sig varandra.
Men ännu viktigare, DeepMind och andraforskningsorganisationer har redan gjort det hårda arbetet med att förvandla spelets källkod till en AI -lekplats med flera minispel som gör det möjligt för utvecklare att fokusera på sitt arbete.
Forskaren Xun Huang, den tidigare nämnda vetenskapsmannenfrån Peking University, satte sig för att studera “pursuit-evasion paradigm” för att träna AI-modeller. Men jag upptäckte att SCII-modellen har vissa begränsande begränsningar: i den inbyggda versionen av spelet “pursuit-evasion” Kontroll av förföljare kan endast anförtros AI.
Det grundläggande systemet innehåller tre förföljandekaraktär (representerad av soldaterna från spelet) och 25 evader-karaktärer (representerade av utomjordingar från spelet). Det finns också ett läge som använder “fog of war” för att göra kartan mörkare, vilket gör det svårt för förföljaren att upptäcka och förstöra förföljaren, men enligt forskning är detta ett 1V1-läge.
Roligt men grundläggande beteende 25Dodgers strategi är att förbli stillastående var de än dyker upp och sedan attackera sina förföljare på plats. Eftersom förföljarna är mycket starkare än smygarna, resulterar detta i den förväntade förstörelsen av varje smygare direkt efter upptäckt.
Perspektiv
Huangs artikel beskriver paradigmet i detaljAI-träning i SCII-miljön, som fokuserar på att lära ut AI för att undvika förföljare. I deras version försöker AI gömma sig i "krigets dimma" för att undvika tillfångatagande och död.
Detta är en fascinerande studie med hjälp avvideospel som kan få enorma konsekvenser för den verkliga världen. Världens mest avancerade militära organisationer använder videospel för att träna människor. Och AI-utvecklare använder dessa inlärningsmiljöer för att förbereda AI-hjärnor för livet i en riktig robot.
Rent teoretiskt verkar Huangs verkspännande. Men föreställ dig bara en Boston Dynamics-robot, utrustad med förmågan att inte bara springa och hoppa runt platsen, utan att målmedvetet undvika förföljelse av en specialstyrka.
Källa: arxiv, deepmind, thenextweb
Illustrationer: goodfon
</ p>