DeepMindin tekoäly pystyy nyt voittamaan ihmispelaajia Quake III: ssa

DeepMindin järistys III

Olemme nähneet pelejä, joissa kehittäjät asettavat botteja helpottamaan ihmispelaajia tai tekemään yhden pelaajan virkistyksiä monien pelien moninpelitiloista. Nämä tekoälypelaajat ovat harvoin riittävän kykeneviä kilpailemaan ihmisten kanssa. Siksi niitä käytetään helpottamaan monien moninpelien oppimiskäyrää. Toisaalta DeepMind on yritys, joka on erikoistunut tekoälyn käyttöön monilla aloilla. He paljastivat, että tekoälyn ohjaamat robotit voisivat vihdoin voittaa ihmisen kollegansa yhdessä eniten pelatusta moninpelistä Quake III. Heidän havainnot ovat kiehtovia niille, joilla on asia tekoälyn oppimiselle ja kyvyille.

Tämä ei ole DeepMindin ensimmäinen hanke videopeleissä, ja he ovat jo kehittäneet hermomoottorin, joka pystyy voittamaan monen moninpelin ammattilaiset. Paras esimerkki tästä on AlphaGo, jossa heidän tekoälynsä voitti mainitun pelin tunnetun ammattilaisen. He ovat myös kehittäneet tekoälyä monille muille peleille.

Vähennykset

Palatakseni heidän Quake III: n tekoälyä koskeviin vähennyksiin. Quake III on dramaattisesti erilainen kuin monet muut siellä olevat pelit. Peli eroaa kategorisesti menettelyllisesti tuotetuista vaiheista ja siitä, että peli on ensimmäisen persoonan näkökulmasta. Tekoälyn kehittämisen ongelma on tässä se, että he eivät voineet oppia parhaan mahdollisen menetelmän pelin voittamiseksi. Itse asiassa ongelma osoittautui valepuvussa olevan siunaukseksi, koska tekoäly muistutti humanoidista oppimiskäyrää, enemmän tästä myöhemmin.

Tekoäly aloitti tyhjästä ja oppi itsensä kaappaamaan lipputilan säännöt. Sitten tekoäly pystyi voittamaan 40 ihmispelaajaa, joissa ihmiset ja tekoäly sekoitettiin. Kunnes kukistanut ihmiset huomattavasti, DeepMind myönsi, että heidän voitonsa johtuu heidän tekoälyn edustajansa ihmismielisistä vasteaikoista. Joten he päättivät hidastaa heitä, mutta tekoäly pystyi silti voittamaan ihmisen kollegansa.

Tekoälyn eteneminen

Tomshardware raportoi, että heidän vähennyksensä ovat erityisen kiehtovia, koska tekoälyn piti oppia itse pelin perusteet ja se, että tekoäly pystyi saamaan tulokset, kun vaiheet muodostettiin menettelyllisesti.

DeepMind sanoi, että heidän työnsä tässä projektissa korostaa sitä, että voimme kouluttaa tekoälyä tehokkaasti käyttämällä moniagenttitekniikoita, mikä tarkoittaa tekoälyä tekoälyä vastaan. Se ei vain saa tekoälyn tietämään virheistään, vaan toimii myös asioissa, jotka voidaan tehdä paremmin. He sanoivat, ' Se korostaa tuloksia hyödyntämällä moniagenttikoulutuksen tarjoamaa luonnollista opetussuunnitelmaa ja pakottamalla kehittämään vankkoja aineita, jotka voivat jopa toimia yhdessä ihmisten kanssa '