DeepMind's Quake III
Viděli jsme hry, kde vývojáři dávají roboty, aby to usnadnili lidským hráčům nebo aby si hráči jednoho hráče mohli užít hry pro více hráčů v mnoha hrách. Tito hráči AI jsou zřídka schopni dostatečně konkurovat svým lidským protějškům. Používají se tedy k usnadnění křivky učení mnoha her pro více hráčů. Na druhou stranu je DeepMind firma, která se specializuje na použití AI v mnoha oborech. Odhalili, že jejich roboti s umělou inteligencí mohli konečně porazit své lidské protějšky v jedné z nejhranějších multiplayerových her Quake III. Jejich zjištění jsou fascinující pro ty, kteří mají něco pro učení a schopnosti AI.
Toto není první podnik DeepMind ve videohrách, které již vyvinuly neurální engine schopný porazit profesionální hráče mnoha her pro více hráčů. Nejlepším příkladem je zde AlphaGo, kde jejich AI porazila známého profesionálního hráče zmíněné hry. Vyvinuli také AI pro mnoho dalších her.
Odpočty
Vrátíme se k jejich odpočtům ohledně jejich AI v Quake III. Quake III je drasticky odlišný od mnoha jiných her. Tato hra je kategoricky odlišná kvůli procedurálně generovaným fázím a skutečnosti, že hra je z pohledu první osoby. Problémem vývoje AI je, že se nemohli naučit nejlepší možnou metodu, jak porazit hru. Problém se ve skutečnosti ukázal jako požehnání v přestrojení, protože AI připomínala křivku humanoidního učení, o tom později.
AI začala od nuly a naučila se pravidla samotného režimu snímání vlajky. AI poté dokázala porazit 40 lidských hráčů, kde byli lidé, stejně jako AI, ve shodě. Poté, co DeepMind značně porazil lidi, uznal, že jejich vítězství je přičítáno dobám prohumánních reakcí jejich agenta AI. Rozhodli se je tedy zpomalit, ale umělá inteligence stále dokázala porazit jejich lidské protějšky.
Pokrok AI
Tomshardware uvádí, že jejich dedukce jsou obzvláště fascinující, protože AI se musela naučit základy samotné hry a skutečnost, že AI dokázala získat výsledky, když byly procedurálně generovány fáze.
DeepMind uvedl, že jejich práce na tomto projektu zdůrazňuje skutečnost, že můžeme efektivně trénovat AI pomocí technik s více agenty, což znamená AI proti AI. Nejen, že si AI uvědomuje své chyby, ale také pracuje na věcech, které lze udělat lépe. Říkali, ' Zdůrazňuje výsledky využitím přirozeného kurikula poskytovaného tréninkem pro více agentů a vynucením vývoje robustních agentů, kteří mohou dokonce spolupracovat s lidmi . “
Značky AI
