Fà una rete neurale per via di ghjochi video simplici hè un modu ideale per pruvà l'efficacezza di a so furmazione, grazia à a capacità simplice di valutà i risultati di u cumpletu. Sviluppatu in 2012 da DeepMind (parte di Alphabet), u benchmark di 57 ghjochi iconichi Atari 2600 hè diventatu una prova di torna per pruvà e capacità di i sistemi di auto-apprendimentu. È quì Agent57, un agentu RL avanzatu (Reinforcement Learning) DeepMind, recentemente un saltu enormu da i sistemi precedenti è hè stata a prima iterazione di l'AI chì supera a basa di u ghjucatore umanu.
Agent57 AI piglia in contu l'esperienza di i sistemi precedenti di a cumpagnia è combina algoritmi per l'esplorazione efficiente di l'ambiente cù meta-cuntrollu. In particulare, Agent57 hà dimustratu e so cumpetenze superumane in Pitfall, Montezuma's Revenge, Solaris è Skiing - ghjochi chì anu testatu severamente e rete neurali precedente. Sicondu a ricerca, Pitfall è Montezuma's Revenge forzanu l'IA à sperimentà più per ottene risultati megliu. Solaris è Skiing sò difficiuli per e rete neurali perchè ùn ci sò micca assai segni di successu - l'AI ùn sapi micca per un bellu pezzu s'ellu face u dirittu. DeepMind hà custruitu nantu à i so agenti AI legati per permette à Agent57 di piglià decisioni megliu nantu à l'esplorazione di l'ambiente è a valutazione di u rendiment di i ghjoculi, è ancu di ottimisà u scambiu trà u cumpurtamentu à cortu è longu andà in ghjochi cum'è Skiing.
I risultati sò impressiunanti, ma l'IA hà ancu una longa strada per andà. Questi sistemi ponu trattà solu un ghjocu à u tempu, chì, sicondu i sviluppatori, hè contru à e capacità umane: "A vera flessibilità chì vene cusì facilmente à u cervellu umanu hè sempre fora di a portata di l'AI".
Source: 3dnews.ru