DeepMind Agent57 AI побеждава игрите на Atari по-добре от човек

Провеждането на невронна мрежа чрез прости видеоигри е идеален начин за тестване на ефективността на нейното обучение, благодарение на простата възможност за оценка на резултатите от завършването. Разработен през 2012 г. от DeepMind (част от Alphabet), бенчмаркът от 57 емблематични игри Atari 2600 се превърна в лакмус за тестване на възможностите на самообучаващите се системи. И тук Agent57, напреднал RL агент (Reinforcement Learning) DeepMind, наскоро Той показа, огромен скок от предишни системи и беше първата итерация на AI, която надхвърли базовата линия на човешкия играч.

Agent57 AI взема предвид опита от предишните системи на компанията и комбинира алгоритми за ефективно изследване на околната среда с мета-контрол. По-специално, Agent57 е доказал своите свръхчовешки умения в Pitfall, Montezuma's Revenge, Solaris и Skiing - игри, които са подложили на сериозно изпитание предишни невронни мрежи. Според изследванията Pitfall и Montezuma's Revenge принуждават AI да експериментира повече, за да постигне по-добри резултати. Solaris и Skiing са трудни за невронните мрежи, защото няма много признаци за успех - AI дълго време не знае дали прави правилното нещо. DeepMind изгради своите наследени AI агенти, за да позволи на Agent57 да взема по-добри решения за изследване на околната среда и оценка на производителността на игрите, както и оптимизиране на компромиса между краткосрочно и дългосрочно поведение в игри като Skiing.

Резултатите са впечатляващи, но AI все още има да извърви дълъг път. Тези системи могат да се справят само с една игра наведнъж, което според разработчиците е в противоречие с човешките възможности: „Истинската гъвкавост, която идва толкова лесно в човешкия мозък, все още е извън обсега на AI.“

Източник: 3dnews.ru