211service.com
Pašbraucošās automašīnas var daudz mācīties, spēlējot Grand Theft Auto
Tūkstošiem stundu pavadīšana spēlējot Grand Theft Auto var radīt apšaubāmas priekšrocības cilvēkiem, taču tas var palīdzēt padarīt datorus ievērojami viedākus.
Vairākas pētniecības grupas tagad izmanto ļoti populāro spēli, kurā ir ātras automašīnas un dažādas nelietīgas darbības, lai apmācītu algoritmus, kas varētu ļaut pašbraucošai automašīnai pārvietoties pa īstu ceļu.
Ir maza iespēja, ka dators iemācīsies sliktu uzvedību, spēlējot vardarbīgas datorspēles. Taču satriecoši reālistiskā ainava, kas atrodama Grand Theft Auto un citās virtuālajās pasaulēs, varētu palīdzēt mašīnai pareizi uztvert reālās pasaules elementus.
Paņēmiens, kas pazīstams kā mašīnmācīšanās, ļauj datoriem veikt iespaidīgas jaunas darbības, piemēram, identificēt sejas un atpazīt runu tik labi, cik vien tas spēj. Taču šai pieejai ir nepieciešams milzīgs daudzums apkopotu datu, un var būt sarežģīti un laikietilpīgi savākt pietiekami daudz. Daudzu spēļu ainava ir tik fantastiski reālistiska, ka to var izmantot, lai ģenerētu datus, kas ir tikpat labi kā tie, kas iegūti, izmantojot reālās pasaules attēlus.
Attēls no Grand Theft Auto, kurā dažādi elementi ir automātiski anotēti.
Daži pētnieki jau veido 3-D simulācijas, izmantojot spēļu dzinējus, lai ģenerētu apmācību datus saviem algoritmiem (skatiet sadaļu Lai kļūtu patiesi gudri, AI, iespējams, būs jāspēlē vairāk videospēļu ). Tomēr gatavās datorspēles, kurās ir daudz fotoreālistisku attēlu, varētu nodrošināt vienkāršāku veidu, kā savākt lielu daudzumu apmācības datu.
Pētnieku komanda no Intel Labs un Darmštates universitātes Vācijā ir izstrādājusi gudru veidu, kā iegūt noderīgus apmācību datus no Grand Theft Auto.
Pētnieki izveidoja programmatūras slāni, kas atrodas starp spēli un datora aparatūru, automātiski klasificējot dažādus objektus spēlē parādītajās ceļa ainās. Tas nodrošina etiķetes, kuras pēc tam var ievadīt mašīnmācības algoritmam, ļaujot tam atpazīt automašīnas, gājējus un citus objektus, kas tiek rādīti gan spēlē, gan uz īstas ielas. Saskaņā ar papīrs komanda nesen publicēja, būtu gandrīz neiespējami likt cilvēkiem manuāli marķēt visas ainas ar līdzīgām detaļām. Pētnieki arī saka, ka reālus treniņu attēlus var uzlabot, pievienojot dažus sintētiskos attēlus.
Programmatūra skenē ceļa ainu un piešķir objektu etiķešu nosaukumus (kreisajā panelī), piemēram, ceļš, ietve vai ēka.
Viens no lielākajiem AI izaicinājumiem ir tas, kā remdēt slāpes pēc datiem, ko parāda visspēcīgākie mašīnmācīšanās algoritmi. Tas ir īpaši problemātiski reālās pasaules uzdevumiem, piemēram, automatizētai braukšanai. Paiet tūkstošiem stundu, lai savāktu reālus ielu attēlus, un vēl tūkstošiem stundu, lai visus šos attēlus marķētu. Ir arī nepraktiski iziet cauri visiem iespējamajiem scenārijiem reālajā dzīvē, piemēram, lielā ātrumā ietriekties ar automašīnu pret ķieģeļu sienu.
Reālās pasaules datu anotēšana ir dārga darbība, un pašreizējās pieejas nav viegli paplašināt, saka Alireza Šafaei , Britu Kolumbijas universitātes doktorants, kurš nesen bija līdzautors papīrs parāda, kā videospēles var izmantot, lai apmācītu datorredzes sistēmu, dažos gadījumos tāpat kā reālus datus. Kopā ar Marks Šmits , UBC docents un Džims Litls , UBC profesors Shafaei parādīja, ka videospēles nodrošina arī vienkāršu veidu, kā mainīt apmācību datos atrodamos vides apstākļus.
Izmantojot mākslīgo vidi, mēs varam bez piepūles savākt precīzi anotētus datus lielākā mērogā ar ievērojamu apgaismojuma un klimata iestatījumu atšķirību, saka Shafaei. Mēs parādījām, ka šie sintētiskie dati ir gandrīz tikpat labi vai dažreiz pat labāki nekā reālu datu izmantošana apmācībai.
AI pētnieki jau izmanto vienkāršas spēles, lai pārbaudītu savu algoritmu mācīšanās iespējas (skatiet Google AI Masters Space Invaders un Minecraft Is a Testing Ground for Human-AI Collaboration). Taču pieaug interese par spēļu ainavu izmantošanu, lai algoritmu ievadītu vizuālās apmācības datus. Piemēram, grupa Džona Hopkinsa universitātē Baltimorā rīka izstrāde ko var izmantot, lai savienotu mašīnmācības algoritmu ar jebkuru vidi, kas izveidota, izmantojot populāro spēļu dzinēju Unreal. Tas ietver tādas spēles kā KiteRunner un Hellblade, kā arī daudzas iespaidīgas arhitektūras vizualizācijas.
Rockstar Games, studija aiz Grand Theft Auto franšīzes, atteicās no iespējas komentēt šo gabalu.