Minecraft uczy AI

fot. pixabay

Trzech badaczy technologii sztucznej inteligencji z Google DeepMind we współpracy z kolegą z Uniwersytetu w Toronto opracowało algorytm AI Dreamer, który może nauczyć się samodoskonalenia, opanowując grę Minecraft w krótkim czasie. W ramach swojego badania opisanego w czasopiśmie Nature zaprogramowali aplikację AI grającą w tę grę bez przeszkolenia, by osiągnąć poziom eksperta w ciągu zaledwie dziewięciu dni.

W ciągu ostatnich kilku lat informatycy dowiedzieli się wiele o tym, jak głębokie uczenie może być wykorzystywane do trenowania aplikacji AI do wykonywania pozornie inteligentnych czynności, takich jak odpowiadanie na pytania. Naukowcy odkryli również, że aplikacje można trenować, aby grały w gry i wykonywały zadania lepiej niż ludzie. W ramach nowego podejścia naukowcy odkryli, że może ono przynieść postępy w zakresie pomocy aplikacjom AI w uczeniu się tego, jak poprawić swoje umiejętności w krótkim okresie. Może dać to robotom narzędzia, których potrzebują, aby dobrze radzić sobie w prawdziwym świecie.

W tym celu naukowcy zaprojektowali algorytm do gry w popularną grę Minecraft, budując odpowiedni system nagród. Dzięki temu podejściu aplikacja nie musiała być uczona, a jedynie musiała znać parametry, które mogła polepszać; jednym z nich było wizualizowanie wirtualnego świata przyszłości.

Gdy algorytm nauczył się grać w Minecrafta, naukowcy dodali do procesu nowy element - pozwolili mu sprawdzać się w danym scenariuszu tylko przez 30 minut. Po tym czasie gra była restartowana i ładowana ponownie z zupełnie nowym wirtualnym światem. Korzystając z tego podejścia, naukowcy odkryli, że algorytm szybko się poprawiał, osiągając ostatecznie poziom eksperta po zaledwie dziewięciu dniach gry.

Zespół badawczy sugeruje, że zdolność algorytmu do wyobrażania sobie przyszłości, w której wszystkie cele zostały osiągnięte, umożliwiła mu skupienie się wyłącznie na tych zadaniach, które doprowadzały do ​​pożądanego celu. Następnie powtarzał tę metodę w każdym nowym wirtualnym świecie, na jaki natrafiał. Ten efekt mógłby zostać wykorzystany, aby pomóc robotom uczyć się tego, jak osiągać wstępnie zdefiniowane cele w świecie rzeczywistym.

(rr)