Создавањето невронска мрежа да се протега низ едноставни видео игри е идеален начин за тестирање на ефективноста на нејзината обука, благодарение на едноставната способност да се проценат резултатите од завршувањето. Развиена во 2012 година од DeepMind (дел од Alphabet), реперот на 57 иконски игри Atari 2600 стана лакмус тест за тестирање на способностите на системите за самостојно учење. И тука Agent57, напреден RL агент (Засилено учење) DeepMind, неодамна огромен скок од претходните системи и беше првото повторување на вештачката интелигенција што ја надмина основната линија на човечкиот играч.
Agent57 AI го зема предвид искуството од претходните системи на компанијата и комбинира алгоритми за ефикасно истражување на околината со мета-контрола. Конкретно, Agent57 ги докажа своите натчовечки вештини во Pitfall, Montezuma's Revenge, Solaris и Skiing - игри кои сериозно ги тестираа претходните невронски мрежи. Според истражувањето, Pitfall и Montezuma's Revenge ја принудуваат вештачката интелигенција да експериментира повеќе за да постигне подобри резултати. Соларис и скијање се тешки за невронските мрежи бидејќи нема многу знаци на успех - вештачката интелигенција долго време не знае дали ја прави вистинската работа. DeepMind се изгради на своите наследени агенти за вештачка интелигенција за да му овозможи на Agent57 да донесува подобри одлуки за истражување на околината и проценка на перформансите на игрите, како и оптимизирање на компромисот помеѓу краткорочното и долгорочното однесување во игрите како што е скијањето.
Резултатите се импресивни, но вештачката интелигенција има уште долг пат да помине. Овие системи можат да се справат само со една игра во исто време, што, според програмерите, е спротивно на човечките способности: „Вистинската флексибилност што доаѓа толку лесно до човечкиот мозок е сè уште надвор од дофатот на вештачката интелигенција“.
Извор: 3dnews.ru