Ein neuronales Netzwerk durch einfache Videospiele laufen zu lassen, ist dank der einfachen Möglichkeit, die Ergebnisse des Abschlusses auszuwerten, eine ideale Möglichkeit, die Wirksamkeit seines Trainings zu testen. Der 2012 von DeepMind (Teil von Alphabet) entwickelte Benchmark von 57 legendären Atari 2600-Spielen wurde zum Lackmustest für die Prüfung der Fähigkeiten selbstlernender Systeme. Und hier Agent57, ein fortschrittlicher RL-Agent (Reinforcement Learning) DeepMind, kürzlich ein großer Sprung gegenüber früheren Systemen und war die erste KI-Iteration, die über die Basislinie des menschlichen Spielers hinausging.
Agent57 AI berücksichtigt die Erfahrungen der bisherigen Systeme des Unternehmens und kombiniert Algorithmen zur effizienten Erkundung der Umgebung mit Metakontrolle. Agent57 hat seine übermenschlichen Fähigkeiten insbesondere in Pitfall, Montezuma's Revenge, Solaris und Skiing unter Beweis gestellt – Spiele, die frühere neuronale Netze auf eine harte Probe stellten. Untersuchungen zufolge zwingen Pitfall und Montezuma's Revenge die KI dazu, mehr zu experimentieren, um bessere Ergebnisse zu erzielen. Solaris und Skifahren sind für neuronale Netze schwierig, weil es nicht viele Anzeichen für einen Erfolg gibt – die KI weiß lange nicht, ob sie das Richtige tut. DeepMind baute auf seinen alten KI-Agenten auf, um es Agent57 zu ermöglichen, bessere Entscheidungen über die Erkundung der Umgebung und die Bewertung von Durchspielen zu treffen sowie den Kompromiss zwischen kurzfristigem und langfristigem Verhalten in Spielen wie Skifahren zu optimieren.
Die Ergebnisse sind beeindruckend, aber die KI hat noch einen langen Weg vor sich. Diese Systeme können jeweils nur ein Spiel bewältigen, was den Entwicklern zufolge im Widerspruch zu den menschlichen Fähigkeiten steht: „Die wahre Flexibilität, die dem menschlichen Gehirn so leicht fällt, liegt immer noch außerhalb der Reichweite von KI.“
Source: 3dnews.ru