Ko reikia išmokti dirbtiniu intelektu, norint įvaldyti ateivių karą

Žaidėjai žaidžia StarCraft Gamescom Kelne, Vokietijoje, 2015 m.

Norint sužinoti, kaip žmonės ir dirbtinio intelekto sistemos gali geriausiai gyventi kartu, mums gali tekti nužudyti daugybę Zergų.

„DeepMind“, į AI orientuotas „Alphabet“ padalinys, ir žaidimų įmonė „Blizzard Entertainment“ išleidžia įrankių rinkinį, kuris leis programuotojams atskleisti įvairius AI algoritmus kosmoso tematikos žaidime „StarCraft“.

Žaidimas yra sudėtingesnis nei dauguma tų, kuriuos iki šiol sprendžia AI programos. „StarCraft“ yra ne tik labai sudėtingas, bet ir reikalauja planuoti toli į priekį ir bandyti atspėti, ką daro jūsų priešininkas. Tai reiškia, kad dirbtinio intelekto programų, galinčių suderinti žmones, kūrimas turėtų padėti tyrėjams tyrinėti naujus žmogiškojo intelekto aspektus naudojant mašinas. Viena kita galima nauda, ​​pasak dalyvaujančiųjų, bus žmonių ir dirbtinių agentų žaidimo kartu būdų tyrinėjimas.

„StarCraft“ yra įdomus dėl daugelio priežasčių Oriol vinyals , projektui vadovaujantis „DeepMind“ tyrėjas. Pavyzdžiui, tai, kad žaidėjai dažnai gali tik pažvelgti į savo priešininkų veiklą, reiškia, kad algoritmams reikės sukurti geresnius informacijos saugojimo būdus atmintyje. Atmintis yra labai svarbi, sako Vinyals. Tai, ką matote dabar, nėra tai, ką matėte prieš kurį laiką, ir kažkas konkretaus, kas galėjo nutikti prieš minutę, gali priversti jus [norėti] elgtis kitaip.

DeepMind sukūrė įspūdingą reputaciją kurdamas AI programas, galinčias žaisti įvairių tipų žaidimus su antžmogiškais įgūdžiais. Įmonė pradėjo užkariauti įvairius „Atari“ žaidimus, o neseniai ėmėsi itin sudėtingo ir abstraktaus stalo žaidimo „Go“ (žr. „DeepMind's AI Masters the Game of Go“ dešimtmečiu anksčiau, nei tikėtasi).

Norėdami įvaldyti šiuos žaidimus, DeepMind mokslininkai naudojo mašininio mokymosi techniką, vadinamą sustiprinimo mokymusi. Mašininis mokymasis leidžia kompiuteriui išsiaiškinti, kaip ką nors padaryti pačiam, nereikalaujant aiškių nurodymų. Stiprinamasis mokymasis, įkvėptas gyvūnų mokymosi būdo, suteikia galimybę mokytis eksperimentuojant su teigiamais atsiliepimais (žr. 10 Breakthrough Technologies 2017: Stiprinamasis mokymasis ). Tačiau Vinyals sako, kad sustiprinimo mokymąsi pritaikyti StarCraft bus sunkiau, nes kiekvienam žaidimui reikia tiek daug laiko. Veiksmas, kurio imuosi dabar, turi pasekmes tik daug vėliau, sako jis.

StarCraft žaidėjai varžosi kaip viena iš trijų rasių: į žmones panašūs terranai, kiborgas Protoss arba vabzdys Zergas. Mūšiai apima sudėtingus strateginius veiksmus, tokius kaip išteklių kasyba ir bazių statyba, taip pat užsitęsusios mūšio sekos. „StarCraft“ taip pat yra populiariausia el. sporto šaka žiūrovams, o ypač Pietų Korėjoje turnyrai dažnai žaidžiami didžiuliuose stadionuose ir tiesiogiai rodomi per televiziją. Žymūs žaidėjai džiaugėsi galimybe susilyginti su AI programomis, tačiau „DeepMind“ dar nepasakė, kada tai gali įvykti (žr. „StarCraft Pros Are Ready to Battle AI“).

„DeepMind“ ir „Blizzard“ sukurti įrankiai leis dirbtinio intelekto tyrėjams daug lengviau įdiegti ir išbandyti „StarCraft“ mašininio mokymosi algoritmus. Įrankiai suteiks AI agentams tokį patį žaidimo ir sąsajos vaizdą, kokį turi žaidėjai. Jie taip pat leidžia apriboti greitį, kuriuo programa gali atlikti savo veiksmus. Tai gali užtikrinti, kad programa turi remtis tais pačiais intelektiniais įrankiais, kaip ir asmuo.

„StarCraft“ jau kurį laiką buvo naudojama kaip tyrimų platforma, tačiau ją išnaudoti buvo gana sudėtinga. Pats „StarCraft“ žaidėjas ekspertas Vinyalsas atliko novatorišką darbą, kurdamas „StarCraft“ robotus, būdamas Kalifornijos universiteto Berklyje studentas (žr. „35 novatoriai iki 35 m., 2016 m.: Oriol Vinyals“). Komandos val Facebook ir Kinijos įmonė Alibaba taip pat paskelbė StarCraft tyrimus. „DeepMind“ šią savaitę paskelbia pranešimą didelėje mašininio mokymosi konferencijoje, kurioje parodo, kaip esami algoritmai veikia su žaidimu.

Tačiau gali prireikti visiškai skirtingų požiūrių, norint įvaldyti tokį žaidimą kaip „StarCraft“. Kai kurie kiti tyrinėtojai sėkmingai naudojasi žaidimų teorijos metodais, kad pasiektų pažangą kituose žaidimuose, kuriuose pateikiama netobula informacija ir kur svarbus blefavimas. Anksčiau šiais metais Tuomas Sandholmas, Carnegie Mellon universiteto profesorius, ir vienas iš jo studentų Noamas Brownas sukūrė programą, pavadintą „Libratus“, kuri įveikė kelis profesionalius žaidėjus „heads up“ arba dviejų žaidėjų neribotą Teksaso laikymą. em. Libratus naudojo labai sudėtingą algoritmą optimaliai žaidimo strategijai apskaičiuoti (žr. Kodėl pokeris yra didelis dirbtinio intelekto reikalas ). Neatsitiktinai Brown šią vasarą stažavosi „DeepMind“.

Susijusi istorija

Susijusi istorija Žaidžiant pokerį reikia kovoti su netobula informacija, todėl žaidimas tampa labai sudėtingas ir panašus į daugelį realių situacijų.

Jokūbas Repas, pagrindinis „Blizzard“ inžinierius, sako, kad jo kompanija domisi, ar sudėtingi dirbtinio intelekto agentai galėtų padaryti žaidimą įdomesnį, žaisdami prieš žmones arba bendradarbiaudami su jais. Žaidime jau galima sukurti agentus, kurie vykdo scenarijaus komandas. Reppas sako, kad būtų įdomu, kad tie agentai tam tikru mastu naudotųsi mašininiu mokymusi. Ir jis sako, kad bendrovė tiria tokias idėjas. Pastebime, kad šie įrankiai yra labai naudingi kuriant žaidimus ir kuriant žaidimų funkcijas, sako jis.

paslėpti