DeepMindov potres III
Vidjeli smo igre u kojima programeri stavljaju botove kako bi olakšali ljudskim igračima ili napravili rekreaciju za više igrača za više igrača za pojedine igrače. Ovi AI igrači rijetko su dovoljno sposobni da se natječu protiv svojih ljudi. Stoga se koriste za olakšavanje krivulje učenja mnogih igara za više igrača. S druge strane, DeepMind je tvrtka koja se specijalizirala za uporabu umjetne inteligencije u mnogim poljima djela. Otkrili su da bi njihovi botovi vođeni umjetnom inteligencijom napokon mogli pobijediti svoje ljudske kolege u jednoj od najigranijih igara za više igrača Quake III. Njihova su otkrića fascinantna za one koji imaju nešto za učenje AI i njegove sposobnosti.
Ovo nije prvi pothvat DeepMinda u video igrama već su razvili neuronski mehanizam sposoban pobijediti profesionalne igrače mnogih igara za više igrača. Ovdje je najbolji primjer AlphaGo, gdje je njihov AI pobijedio poznatog profesionalca ove igre. Također su razvili AI za mnoge druge igre.
Odbici
Vraćajući se njihovim odbitcima u vezi s njihovom AI u potresu III. Quake III drastično se razlikuje od mnogih drugih igara vani. Igra je kategorički različita zbog proceduralno generiranih faza i činjenice da je igra u perspektivi prvog lica. Problem za razvoj AI ovdje je što nisu mogli naučiti najbolju moguću metodu za pobjediti u igri. Zapravo se problem pokazao maskiranim blagoslovom jer je AI nalikovao humanoidnoj krivulji učenja, o tome kasnije.
AI je krenuo od nule i naučio pravila samog načina snimanja zastavice. AI je tada mogao pobijediti 40 ljudskih igrača gdje su se ljudi, kao i AI, međusobno podudarali. Nakon što su znatno porazili ljude, DeepMind je prihvatio da se njihova pobjeda pripisuje pro-ljudskom vremenu odziva njihovog AI agenta. Dakle, odlučili su ih usporiti, ali AI je i dalje uspio pobijediti njihove ljudske kolege.
Napredak AI
Tomshardware izvještava da su njihovi odbitci posebno fascinantni budući da je AI morao naučiti osnove same igre i činjenicu da je AI uspio dobiti rezultate kad su faze generirane proceduralno.
DeepMind je rekao da njihov rad na ovom projektu naglašava činjenicu da možemo učinkovito trenirati umjetnu inteligenciju koristeći tehnike više sredstava, što znači umjetnu inteligenciju protiv umjetne inteligencije. To ne samo da inteligencijsku svijest zna o svojim pogreškama, već radi i na stvarima koje se mogu učiniti bolje. Rekli su, ' Naglašava rezultate iskorištavanjem prirodnog kurikuluma koji pruža obuka za više agenata i forsiranjem razvoja snažnih agenata koji se čak mogu udružiti s ljudima . '
Oznake AI
