Letztes Jahr stellte die Non-Profit-Organisation OpenAI ihr künstliches Intelligenzsystem gegen Dota-2-Profis an. Und dann konnte die Maschine den Menschen nicht übertreffen. Jetzt hat das System Rache genommen.
Am Wochenende fand in San Francisco die OpenAI Five Championship statt, bei der die KI mit fünf E-Sportlern des OG-Teams zusammentraf. Dieses Team erhielt 2018 die höchste Auszeichnung im eSport und belegte beim Internationalen Dota-2-Turnier den ersten Platz mit einem Preisgeld von 25 Millionen US-Dollar. Die Teammitglieder trafen sich mit OpenAI-Bots, die nach der gleichen Methodik trainiert wurden. Und die Leute haben verloren.
Berichten zufolge haben OpenAI-Bots die Verstärkung gelernt und sind unabhängig voneinander. Das heißt, sie stiegen ohne vorherige Programmierung und Einstellungen in das Spiel ein und waren gezwungen, durch Ausprobieren zu lernen. Greg Brockman, Mitbegründer und Vorsitzender von OpenAI, sagte, dass künstliche Intelligenz in den zehn Monaten ihres Bestehens bereits 10 Jahre Dota 45-Gameplay gespielt habe.
Was das Spiel selbst in San Francisco betrifft, hatte jede Mannschaft 17 Helden zur Auswahl (es gibt mehr als hundert davon im Spiel). Gleichzeitig hat die KI einen Modus gewählt, in dem jedes Team die Auswahl der von ihm ausgewählten Helden verbieten kann. Dadurch können Sie Ihre Stärken ausbauen und Ihre Schwächen minimieren. Illusionen und die Funktion zur Beschwörung neuer Helden wurden ebenfalls deaktiviert, obwohl es möglich war, die Gefallenen wiederzubeleben.
Berichten zufolge nutzte die KI Taktiken, die zu kurzfristigen Gewinnen führten, die sich jedoch auszahlten. Gleichzeitig belebte das System bereits zu Beginn der Schlacht tote Helden wieder. Im Allgemeinen verfolgte die Maschine einen sehr aggressiven Ansatz, eine Art „Blitzkrieg“, den die Leute nicht abwehren konnten, da das erste Spiel nur eine halbe Stunde dauerte.
Der zweite war sogar noch kürzer, da die KI die Menschen sehr schnell vernichtete und sich eher auf den Angriff als auf die Verteidigung konzentrierte. Im Allgemeinen stellte sich heraus, dass das Reinforcement-Learning-Schema Ergebnisse liefert. Dadurch kann es künftig für verschiedene Aufgaben eingesetzt werden.
Source: 3dnews.ru