AI DeepMind je teraz schopná poraziť ľudských hráčov v hre Quake III

DeepMind's Quake III

Videli sme hry, kde vývojári nasadili roboty, ktoré uľahčujú ľudským hráčom alebo uľahčujú zábavu pre jedného hráča v multiplayerových režimoch mnohých hier. Títo hráči AI sú zriedka schopní natoľko, aby konkurovali svojim ľudským náprotivkom. Používajú sa tak na uľahčenie procesu učenia sa mnohých hier pre viacerých hráčov. Na druhej strane je DeepMind firma, ktorá sa špecializuje na použitie AI v mnohých oblastiach prác. Odhalili, že ich roboty na báze AI môžu konečne poraziť svojich ľudských kolegov v jednej z najhranejších multiplayerových hier Quake III. Ich objavy sú fascinujúce pre tých, ktorí majú niečo spoločné s učením a schopnosťami AI.

Toto nie je prvý podnik DeepMind vo videohrách, ktoré už vyvinuli neurálny engine schopný poraziť profesionálnych hráčov mnohých hier pre viacerých hráčov. Najlepším príkladom je tu AlphaGo, kde ich AI porazila známeho profesionálneho hráča spomínanej hry. Vyvinuli tiež AI pre mnoho ďalších hier.

Odpočty

Vraciame sa k ich odpočtom ohľadne ich AI v hre Quake III. Quake III sa zásadne líši od mnohých iných hier. Hra je kategoricky odlišná kvôli procedurálne generovaným fázam a skutočnosti, že hra je z pohľadu prvej osoby. Problém vývoja AI tu spočíva v tom, že sa nemohli naučiť najlepšiu možnú metódu, ako poraziť hru. Tento problém sa v skutočnosti ukázal ako požehnanie v prestrojení, pretože AI pripomínala humanoidnú krivku učenia, o tom neskôr.

AI začala od nuly a naučila sa pravidlá samotného režimu snímania vlajky. AI potom dokázala poraziť 40 ľudských hráčov, kde boli zmiešaní ľudia aj AI. Po výraznom porazení ľudí spoločnosť DeepMind pripustila, že ich výhra sa pripisuje časom prohumánnych reakcií ich agenta AI. Takže sa rozhodli spomaliť ich, ale AI bola stále schopná poraziť ich ľudských kolegov.

Pokrok AI

Tomshardware uvádza, že ich odpočty sú obzvlášť fascinujúce, pretože AI sa musela naučiť základy samotnej hry a skutočnosť, že AI dokázala získať výsledky, keď sa procedurálne generovali fázy.

DeepMind uviedol, že ich práca na tomto projekte zdôrazňuje skutočnosť, že môžeme trénovať AI efektívne pomocou multi-agentových techník, čo znamená AI proti AI. Informuje AI nielen o svojich chybách, ale pracuje aj na veciach, ktoré sa dajú robiť lepšie. Povedali, ' Zvýrazňuje výsledky využitím prirodzeného učebného plánu poskytovaného školením pre viacerých agentov a nútením k vývoju robustných agentov, ktorí môžu dokonca spolupracovať s ľuďmi. . “