DeepMind Agent57 AI ਨੇ ਅਟਾਰੀ ਗੇਮਾਂ ਨੂੰ ਮਨੁੱਖ ਨਾਲੋਂ ਬਿਹਤਰ ਹਰਾਇਆ

ਸਧਾਰਨ ਵਿਡੀਓ ਗੇਮਾਂ ਦੁਆਰਾ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਚਲਾਉਣਾ ਇਸਦੀ ਸਿਖਲਾਈ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਨੂੰ ਪਰਖਣ ਦਾ ਇੱਕ ਆਦਰਸ਼ ਤਰੀਕਾ ਹੈ, ਸੰਪੂਰਨਤਾ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਸਧਾਰਨ ਯੋਗਤਾ ਦਾ ਧੰਨਵਾਦ. ਦੀਪਮਾਈਂਡ (ਵਰਣਮਾਲਾ ਦਾ ਹਿੱਸਾ) ਦੁਆਰਾ 2012 ਵਿੱਚ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ, 57 ਆਈਕੋਨਿਕ ਅਟਾਰੀ 2600 ਗੇਮਾਂ ਦਾ ਬੈਂਚਮਾਰਕ ਸਵੈ-ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਜਾਂਚ ਲਈ ਇੱਕ ਲਿਟਮਸ ਟੈਸਟ ਬਣ ਗਿਆ। ਅਤੇ ਇੱਥੇ Agent57, ਇੱਕ ਉੱਨਤ RL ਏਜੰਟ (Reinforcement Learning) DeepMind, ਹਾਲ ਹੀ ਵਿੱਚ ਦਿਖਾਇਆ ਪਿਛਲੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਇੱਕ ਵੱਡੀ ਛਾਲ ਅਤੇ ਮਨੁੱਖੀ ਖਿਡਾਰੀ ਦੀ ਬੇਸਲਾਈਨ ਨੂੰ ਪਾਰ ਕਰਨ ਵਾਲੀ AI ਦੀ ਪਹਿਲੀ ਦੁਹਰਾਓ ਸੀ।

Agent57 AI ਕੰਪਨੀ ਦੇ ਪਿਛਲੇ ਸਿਸਟਮਾਂ ਦੇ ਤਜ਼ਰਬੇ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਅਤੇ ਮੈਟਾ-ਨਿਯੰਤਰਣ ਦੇ ਨਾਲ ਵਾਤਾਵਰਣ ਦੀ ਕੁਸ਼ਲ ਖੋਜ ਲਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, Agent57 ਨੇ Pitfall, Montezuma's Revenge, Solaris ਅਤੇ Skiing - ਗੇਮਾਂ ਵਿੱਚ ਆਪਣੇ ਅਲੌਕਿਕ ਹੁਨਰ ਨੂੰ ਸਾਬਤ ਕੀਤਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਪਿਛਲੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀ ਬੁਰੀ ਤਰ੍ਹਾਂ ਜਾਂਚ ਕੀਤੀ ਹੈ। ਖੋਜ ਦੇ ਅਨੁਸਾਰ, ਪਿਟਫਾਲ ਅਤੇ ਮੋਂਟੇਜ਼ੂਮਾ ਦਾ ਬਦਲਾ ਬਿਹਤਰ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਏਆਈ ਨੂੰ ਹੋਰ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਸੋਲਾਰਿਸ ਅਤੇ ਸਕੀਇੰਗ ਨਿਊਰਲ ਨੈਟਵਰਕ ਲਈ ਮੁਸ਼ਕਲ ਹਨ ਕਿਉਂਕਿ ਸਫਲਤਾ ਦੇ ਬਹੁਤ ਸਾਰੇ ਸੰਕੇਤ ਨਹੀਂ ਹਨ - ਏਆਈ ਲੰਬੇ ਸਮੇਂ ਲਈ ਨਹੀਂ ਜਾਣਦਾ ਹੈ ਕਿ ਕੀ ਇਹ ਸਹੀ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ. DeepMind ਨੇ Agent57 ਨੂੰ ਵਾਤਾਵਰਨ ਦੀ ਪੜਚੋਲ ਕਰਨ ਅਤੇ ਗੇਮਾਂ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ ਸਕੀਇੰਗ ਵਰਗੀਆਂ ਗੇਮਾਂ ਵਿੱਚ ਥੋੜ੍ਹੇ ਸਮੇਂ ਅਤੇ ਲੰਮੇ ਸਮੇਂ ਦੇ ਵਿਵਹਾਰ ਦੇ ਵਿਚਕਾਰ ਵਪਾਰ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਬਾਰੇ ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਦੀ ਇਜਾਜ਼ਤ ਦੇਣ ਲਈ ਆਪਣੇ ਵਿਰਾਸਤੀ AI ਏਜੰਟਾਂ 'ਤੇ ਬਣਾਇਆ ਹੈ।

ਨਤੀਜੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹਨ, ਪਰ ਏਆਈ ਨੇ ਅਜੇ ਵੀ ਲੰਬਾ ਸਫ਼ਰ ਤੈਅ ਕਰਨਾ ਹੈ। ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਇੱਕ ਸਮੇਂ ਵਿੱਚ ਕੇਵਲ ਇੱਕ ਗੇਮ ਨੂੰ ਸੰਭਾਲ ਸਕਦੀਆਂ ਹਨ, ਜੋ ਕਿ, ਡਿਵੈਲਪਰਾਂ ਦੇ ਅਨੁਸਾਰ, ਮਨੁੱਖੀ ਸਮਰੱਥਾਵਾਂ ਦੇ ਉਲਟ ਹੈ: "ਮਨੁੱਖੀ ਦਿਮਾਗ ਵਿੱਚ ਇੰਨੀ ਆਸਾਨੀ ਨਾਲ ਆਉਣ ਵਾਲੀ ਅਸਲ ਲਚਕਤਾ ਅਜੇ ਵੀ AI ਦੀ ਪਹੁੰਚ ਤੋਂ ਬਾਹਰ ਹੈ।"

ਸਰੋਤ: 3dnews.ru