به منظور حل بهتر چالش های پیچیده در سحر دهه سوم قرن بیست و یکم ، شرکت الفبای به یادگارهایی از قدمت دهه 1980 دست یافت: بازی های ویدیویی.
شرکت مادر گوگل این هفته گزارش داد که واحد هوش مصنوعی DeepMind Technologies خود با موفقیت آموخته است که چگونه 57 بازی ویدیویی Atari را انجام دهد. و سیستم رایانه ای بهتر از هر انسانی بازی می کند.
آتاری ، خالق پونگ ، یکی از اولین بازی های ویدیویی موفق دهه 1970 ، به محبوبیت بسیاری از بازی های ویدیویی کلاسیک اوایل دهه 1990 منجر شد. بازی های ویدئویی معمولاً با پروژه های هوش مصنوعی مورد استفاده قرار می گیرند زیرا آنها الگوریتم ها را به چالش می کشند تا مسیرها و گزینه های فزاینده پیچیده را حرکت کنند ، همه در حالی که در حال تغییر سناریوها ، تهدیدها و پاداشها هستند.
سیستم هوش مصنوعی Alphabet با نام AGENT57 ، از 57 بازی پیشرو Atari که طیف گسترده ای از سطح دشواری و استراتژی های مختلف موفقیت را پوشش می دهند ، کاوش کرد.
محققان در گزارشی در صفحه وبلاگ DeepMind گفتند: "بازی ها یک آزمایش عالی برای ساخت الگوریتم های سازگار هستند." "آنها مجموعه ای غنی از وظایف را ارائه می دهند که بازیکنان باید استراتژی های رفتاری پیچیده ای را برای تسلط خود تهیه کنند ، اما همچنین می توانند متریک بازی را با پیشرفتی آسان انجام دهند تا در برابر آنها بهینه شوند.
در این گزارش آمده است: "هدف نهایی توسعه سیستم هایی نیست که در بازی ها سرآمد باشند ، بلکه استفاده از بازی ها به عنوان یک پله برای توسعه سیستم هایی است که یاد می گیرند در طیف گسترده ای از چالش ها سرآمد باشند."
سیستم AlphaGo DeepMind در سال 2016 هنگامی که لی سدول قهرمان جهان را در بازی استراتژیک Go شکست داد ، به رسمیت شناخته شد.
در میان محصولات فعلی 57 بازی آتاری ، چهار بازی برای پروژه های هوش مصنوعی دشوار به نظر می رسد: انتقام Montezuma ، Pitfall ، Solaris و Skiing. دو بازی اول آنچه DeepMind آن را سرنگون می کند "مشکل اکتشاف و بهره برداری" است.
"آیا شخص باید رفتارهای خود را حفظ کند (سوءاستفاده) یا باید چیز جدیدی را کشف کند (کشف کند) تا استراتژیهای جدیدی را کشف کند که حتی موفق تر هم باشند؟" DeepMind می پرسد. "به عنوان مثال ، آیا باید همیشه غذای مورد علاقه خود را در رستوران محلی سفارش داد یا چیز جدیدی را امتحان کرد که ممکن است از محبوب قدیمی فراتر رود؟ اکتشاف شامل انجام اقدامات زیر حد حداکثر برای جمع آوری اطلاعات لازم برای کشف یک رفتار در نهایت قوی تر است."
- ۹۹/۰۲/۲۵