AI на DeepMind вече е в състояние да победи човешките играчи в Quake III

DeepMind's Quake III

Виждали сме игри, в които разработчиците са поставяли ботове, за да улеснят човешките играчи или да направят еднократни пресъздавания на мултиплейър режимите на много игри. Тези играчи на AI рядко са достатъчно способни да се състезават срещу човешките си колеги. По този начин те се използват за облекчаване на кривата на обучение на много мултиплейър игри. От друга страна, DeepMind е фирма, специализирана в използването на AI в много области на творчеството. Те разкриха, че техните ботове, управлявани от AI, най-накрая могат да победят своите човешки колеги в една от най-играните мултиплейър игри Quake III. Откритията им са очарователни за тези, които имат нещо за обучение и възможности за изкуствен интелект.

Това не е първото начинание на DeepMind във видеоигрите, които вече са разработили невронна машина, способна да победи професионалните играчи в много мултиплейър игри. Най-добрият пример тук е AlphaGo, където техният AI победи добре познатия професионалист на споменатата игра. Те също са разработили AI за много други игри.

Удръжки

Връщайки се към техните удръжки относно техния AI в Quake III. Quake III е драстично различен от много други игри там. Играта е категорично различна поради процедурно генерираните етапи и факта, че играта е в перспектива от първо лице. Проблемът за развитието на AI тук е, че те не можаха да научат най-добрия възможен метод за победа в играта. Действителният проблем се оказа маскирана благословия, тъй като ИИ приличаше на кривата на учене на хуманоиди, повече за това по-късно.

AI започна от нулата и научи правилата на самия режим на улавяне на флага. Тогава AI успя да победи 40 човешки играчи, където хората, както и AI, бяха съчетани. След като значително победиха хората, DeepMind прие, че тяхната победа се дължи на времето за реакция на човешкия агент на AI. И така, те решиха да ги забавят, но ИИ все пак успя да победи човешките си колеги.

Напредък на ИИ

Tomshardware съобщава, че техните удръжки са особено очарователни, тъй като ИИ е трябвало да научи основите на самата игра и факта, че ИИ е успял да получи резултатите, когато етапите са били генерирани процедурно.

DeepMind каза, че работата им по този проект подчертава факта, че можем да обучаваме ефективно AI, като използваме техники с много агенти, което означава AI срещу AI. Той не само информира AI за своите грешки, но също така работи върху неща, които могат да бъдат направени по-добре. Те казаха, ' Той подчертава резултатите чрез използване на естествената учебна програма, осигурена от обучение с много агенти, и принуждава разработването на стабилни агенти, които дори могат да се обединят с хората . '