DeepMind AI tagad var spēlēt visas 57 Atari spēles, taču tas joprojām nav pietiekami daudzpusīgs

Kategorija: Mākslīgais intelekts Ievietots 01. aprīlī

Ziņas: Mākslīgais intelekts sauc Agent57 ir iemācījies spēlēt visas 57 Atari videospēles Arcade Learning vidē — klasisko spēļu kolekcijā, ko pētnieki izmanto, lai pārbaudītu savu padziļināto mācību modeļu robežas. DeepMind izstrādātais Agent57 izmanto to pašu dziļās pastiprināšanas mācīšanās algoritmu, lai sasniegtu pārcilvēcisku spēles līmeni pat spēlēs, ar kurām iepriekšējie AI ir cīnījušies. Iespēja apgūt 57 dažādus uzdevumus padara Agent57 daudzpusīgāku nekā iepriekšējie spēļu AI.

Kas ir spēlē? Spēles ir lielisks veids, kā pārbaudīt AI. Tie piedāvā dažādus izaicinājumus, kas liek mākslīgajam intelektam izstrādāt virkni stratēģiju, tomēr tai joprojām ir skaidrs panākumu mērs — rezultāts, pret kuru trenēties. Taču īpaši četras Atari spēles ir izrādījušās grūti pārvaramas. Montezumas atriebībā un slazdā mākslīgajam intelektam ir jāizmēģina daudzas dažādas stratēģijas, pirms ķeras pie uzvaras. Un Solaris un Skiing var būt ilgi jāgaida starp darbību un atlīdzību, padarot AI grūti uzzināt, kuras kustības dod vislabāko atdevi.

Meta-prāts: Lai risinātu šīs problēmas, Agent57 apvieno vairākus uzlabojumus, ko DeepMind ir veicis savā Deep-Q tīklā — AI, kas pirmo reizi pārspēja dažas Atari spēles 2012. gadā, tostarp atmiņas veidu, kas ļauj pieņemt lēmumus uz iepriekš veiktajām lietām. redzams spēlē un atlīdzības sistēmās, kas mudina AI pilnīgāk izpētīt savas iespējas pirms stratēģijas pieņemšanas. Pēc tam šīs dažādās metodes pārvalda metakontrolleris, kas līdzsvaro kompromisus starp noteiktas stratēģijas virzību uz priekšu un plašāku izpēti.

Kāpēc tas ir svarīgi: Neskatoties uz visiem panākumiem, labākie padziļinātās apmācības modeļi, kas mums ir šodien, nav īpaši daudzpusīgi. Lielākajai daļai ir tendence būt labi vienā lietā un tikai vienā. AI apmācīšana, lai viņš būtu izcils vairāk nekā vienā uzdevumā, ir viens no lielākajiem atklātajiem izaicinājumiem dziļās mācīšanās jomā. Spēja apgūt 57 dažādus uzdevumus padara Agent57 daudzpusīgāku par iepriekšējiem spēļu AI, taču — un tas bieži vien tiek palaists garām — tas joprojām nevar iemācīties spēlēt vairāk nekā vienu spēli vienlaikus. Agent57 var iemācīties spēlēt 57 spēles, bet tas nevar iemācīties spēlēt 57 spēles vienlaikus. Tai ir jāpārmācas katrai jaunai spēlei, lai gan tā var izmantot to pašu algoritmu. Tādā veidā Agent57 ir līdzīgs AlphaZero, DeepMind dziļās pastiprināšanas mācīšanās algoritmam, kas var iemācīties spēlēt šahu, Go un Shogi, bet atkal, ne visu uzreiz. Patiesa daudzpusība, kas ir tik viegli pieejama zīdainim, joprojām ir tālu ārpus AI.