Keçi Simülatörünü oynayabilecek bir yapay zeka, daha kullanışlı bir yapay zekaya doğru atılmış bir adımdır

Yapay zeka sistemlerinin eğitiminde oyunlar, gerçek dünyadaki görevlerin iyi bir temsilcisidir. Stanford Üniversitesi'nde bilgisayar bilimleri alanında doçent olan Michael Bernstein, “Genel olarak oyun oynayan bir temsilci, prensipte, dünyamızı nasıl yönlendireceği hakkında, tek bir ortamdaki herhangi bir şeyin öğrenebileceğinden çok daha fazlasını öğrenebilir” diyor. Araştırmanın.

Google DeepMind araştırma mühendisi Tim Harley, “Bir gün, karşı oynadığınız insanüstü ajanların yerine, SIMA gibi ajanların sizinle ve arkadaşlarınızla oyunlarda yanınızda oynayabileceğini hayal edebiliriz” diyor. ajanı geliştiren ekip.

Google DeepMind'da araştırma mühendisi olan Frederic Besse, ekibin SIMA'yı, klavye ve fare girişi ve oyuncuların oyunda yaptıklarına ilişkin ek açıklamaların yanı sıra, hem bireysel hem de ortaklaşa video oyunları oynayan birçok insan örneği üzerinde eğittiğini söylüyor.

Daha sonra temsilciye insanlar gibi oyun oynamayı öğretmek için taklit öğrenme adı verilen bir yapay zeka tekniğini kullandılar. SIMA, her biri yaklaşık 10 saniyeden daha kısa sürede tamamlanabilen “Sola dön”, “Merdiveni tırman” ve “Haritayı aç” gibi 600 temel talimatı takip edebiliyor.

Ekip, birçok oyun konusunda eğitim almış bir SIMA temsilcisinin, yalnızca bir oyun oynamayı öğrenen bir temsilciden daha iyi olduğunu buldu. Besse, bunun nedeninin, daha iyi beceriler öğrenmek ve talimatları yerine getirmede daha iyi olabilmek için oyunlar arasında paylaşılan kavramlardan yararlanabilmesi olduğunu söylüyor.

“Bu yine gerçekten heyecan verici bir özellik, çünkü daha önce hiç görülmemiş oyunları oynayabilen bir temsilcimiz var” diyor.

Londra Queen Mary Üniversitesi'nde yapay zeka alanında öğretim görevlisi olan Paulo Rauber, oyunlar arasında bu tür bir bilgi aktarımının görülmesinin yapay zeka araştırmaları için önemli bir dönüm noktası olduğunu söylüyor.

Rauber, insanlar tarafından sağlanan örneklere dayanarak talimatları yürütmeyi öğrenmenin temel fikrinin, gelecekte özellikle daha büyük veri kümeleriyle daha güçlü sistemlere yol açabileceğini söylüyor. SIMA'nın nispeten sınırlı veri setinin performansını geri tutan şey olduğunu söylüyor.