ਓਪਨਏਆਈ ਲੁਕਣ ਅਤੇ ਭਾਲਣ ਦੀ ਖੇਡ ਵਿੱਚ ਏਆਈ ਟੀਮ ਵਰਕ ਸਿਖਾਉਂਦਾ ਹੈ

ਲੁਕੋਣ ਅਤੇ ਭਾਲਣ ਦੀ ਇੱਕ ਚੰਗੀ ਪੁਰਾਣੇ ਜ਼ਮਾਨੇ ਦੀ ਖੇਡ ਨਕਲੀ ਬੁੱਧੀ (AI) ਬੋਟਾਂ ਲਈ ਇਹ ਦਰਸਾਉਣ ਲਈ ਇੱਕ ਵਧੀਆ ਟੈਸਟ ਹੋ ਸਕਦੀ ਹੈ ਕਿ ਉਹ ਕਿਵੇਂ ਫੈਸਲੇ ਲੈਂਦੇ ਹਨ ਅਤੇ ਇੱਕ ਦੂਜੇ ਨਾਲ ਅਤੇ ਉਹਨਾਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦੀਆਂ ਵੱਖ ਵੱਖ ਵਸਤੂਆਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ।

ਉਸਦੇ ਵਿੱਚ ਨਵਾਂ ਲੇਖ, ਓਪਨਏਆਈ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਪ੍ਰਕਾਸ਼ਿਤ, ਇੱਕ ਗੈਰ-ਲਾਭਕਾਰੀ ਨਕਲੀ ਬੁੱਧੀ ਖੋਜ ਸੰਸਥਾ ਜੋ ਮਸ਼ਹੂਰ ਹੋ ਗਈ ਹੈ ਵਿਸ਼ਵ ਚੈਂਪੀਅਨ 'ਤੇ ਜਿੱਤ ਕੰਪਿਊਟਰ ਗੇਮ ਡੋਟਾ 2 ਵਿੱਚ, ਵਿਗਿਆਨੀ ਵਰਣਨ ਕਰਦੇ ਹਨ ਕਿ ਕਿਵੇਂ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਏਜੰਟਾਂ ਨੂੰ ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਇੱਕ ਦੂਜੇ ਤੋਂ ਖੋਜਣ ਅਤੇ ਲੁਕਾਉਣ ਵਿੱਚ ਵਧੇਰੇ ਸੂਝਵਾਨ ਹੋਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਨੇ ਦਿਖਾਇਆ ਕਿ ਦੋ ਬੋਟਾਂ ਦੀ ਇੱਕ ਟੀਮ ਸਹਿਯੋਗੀ ਤੋਂ ਬਿਨਾਂ ਕਿਸੇ ਇੱਕ ਏਜੰਟ ਨਾਲੋਂ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਸਿੱਖਦੀ ਹੈ।

ਵਿਗਿਆਨੀਆਂ ਨੇ ਇੱਕ ਅਜਿਹਾ ਤਰੀਕਾ ਵਰਤਿਆ ਹੈ ਜਿਸ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇਸਦੀ ਪ੍ਰਸਿੱਧੀ ਜਿੱਤ ਲਈ ਹੈ ਮਜ਼ਬੂਤੀ ਨਾਲ ਮਸ਼ੀਨ ਸਿਖਲਾਈ, ਜਿਸ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਇੱਕ ਅਣਜਾਣ ਵਾਤਾਵਰਣ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਹੈ, ਜਦੋਂ ਕਿ ਇਸਦੇ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਕੁਝ ਤਰੀਕੇ ਹਨ, ਨਾਲ ਹੀ ਇਸਦੇ ਕੰਮਾਂ ਦੇ ਇੱਕ ਜਾਂ ਦੂਜੇ ਨਤੀਜੇ ਲਈ ਇਨਾਮ ਅਤੇ ਜੁਰਮਾਨੇ ਦੀ ਇੱਕ ਪ੍ਰਣਾਲੀ ਹੈ. ਇਹ ਵਿਧੀ ਇੱਕ ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗਤੀ ਨਾਲ ਵੱਖ-ਵੱਖ ਕਿਰਿਆਵਾਂ ਕਰਨ ਦੀ ਏਆਈ ਦੀ ਯੋਗਤਾ ਦੇ ਕਾਰਨ ਕਾਫ਼ੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ, ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਕਲਪਨਾ ਨਾਲੋਂ ਲੱਖਾਂ ਗੁਣਾ ਤੇਜ਼। ਇਹ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਤਰੁਟੀ ਨੂੰ ਦਿੱਤੀ ਗਈ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਰਣਨੀਤੀਆਂ ਲੱਭਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਪਰ ਇਸ ਪਹੁੰਚ ਦੀਆਂ ਕੁਝ ਸੀਮਾਵਾਂ ਵੀ ਹਨ, ਉਦਾਹਰਣ ਵਜੋਂ, ਇੱਕ ਵਾਤਾਵਰਣ ਬਣਾਉਣ ਅਤੇ ਕਈ ਸਿਖਲਾਈ ਚੱਕਰਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਵਿਸ਼ਾਲ ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਪਣੇ ਟੀਚੇ ਨਾਲ AI ਕਾਰਵਾਈਆਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਇੱਕ ਸਹੀ ਪ੍ਰਣਾਲੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਤਰੀਕੇ ਨਾਲ ਏਜੰਟ ਦੁਆਰਾ ਹਾਸਲ ਕੀਤੇ ਹੁਨਰ ਵਰਣਿਤ ਕਾਰਜ ਤੱਕ ਹੀ ਸੀਮਿਤ ਹਨ ਅਤੇ, ਇੱਕ ਵਾਰ ਜਦੋਂ AI ਇਸ ਨਾਲ ਸਿੱਝਣਾ ਸਿੱਖ ਲੈਂਦਾ ਹੈ, ਤਾਂ ਕੋਈ ਹੋਰ ਸੁਧਾਰ ਨਹੀਂ ਹੋਵੇਗਾ।

AI ਨੂੰ ਲੁਕੋਣ ਅਤੇ ਲੱਭਣ ਲਈ ਸਿਖਲਾਈ ਦੇਣ ਲਈ, ਵਿਗਿਆਨੀਆਂ ਨੇ "ਅਨਡਾਇਰੈਕਟਡ ਐਕਸਪਲੋਰੇਸ਼ਨ" ਨਾਮਕ ਇੱਕ ਪਹੁੰਚ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜਿੱਥੇ ਏਜੰਟਾਂ ਨੂੰ ਖੇਡ ਜਗਤ ਬਾਰੇ ਆਪਣੀ ਸਮਝ ਵਿਕਸਿਤ ਕਰਨ ਅਤੇ ਜਿੱਤਣ ਵਾਲੀਆਂ ਰਣਨੀਤੀਆਂ ਵਿਕਸਿਤ ਕਰਨ ਦੀ ਪੂਰੀ ਆਜ਼ਾਦੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਮਲਟੀ-ਏਜੰਟ ਲਰਨਿੰਗ ਪਹੁੰਚ ਦੇ ਸਮਾਨ ਹੈ ਜੋ ਡੀਪਮਾਈਂਡ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਵਰਤਿਆ ਜਦੋਂ ਮਲਟੀਪਲ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਸਟਮ ਕੁਆਕ III ਅਰੇਨਾ ਵਿੱਚ ਫਲੈਗ ਮੋਡ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ. ਜਿਵੇਂ ਕਿ ਇਸ ਕੇਸ ਵਿੱਚ, ਏਆਈ ਏਜੰਟਾਂ ਨੂੰ ਪਹਿਲਾਂ ਖੇਡ ਦੇ ਨਿਯਮਾਂ ਵਿੱਚ ਸਿਖਲਾਈ ਨਹੀਂ ਦਿੱਤੀ ਗਈ ਸੀ, ਪਰ ਸਮੇਂ ਦੇ ਨਾਲ ਉਹਨਾਂ ਨੇ ਬੁਨਿਆਦੀ ਰਣਨੀਤੀਆਂ ਸਿੱਖੀਆਂ ਅਤੇ ਗੈਰ-ਮਾਮੂਲੀ ਹੱਲਾਂ ਨਾਲ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਹੈਰਾਨ ਕਰਨ ਦੇ ਯੋਗ ਵੀ ਸਨ।

ਲੁਕੋਣ ਅਤੇ ਭਾਲਣ ਦੀ ਇੱਕ ਖੇਡ ਵਿੱਚ, ਕਈ ਏਜੰਟ ਜਿਨ੍ਹਾਂ ਦਾ ਕੰਮ ਛੁਪਾਉਣਾ ਸੀ, ਨੂੰ ਇੱਕ ਮਾਮੂਲੀ ਸਿਰ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਬਾਅਦ ਆਪਣੇ ਵਿਰੋਧੀਆਂ ਦੀ ਨਜ਼ਰ ਤੋਂ ਬਚਣ ਦੀ ਲੋੜ ਸੀ ਜਦੋਂ ਕਿ ਖੋਜ ਏਜੰਟਾਂ ਦੀ ਟੀਮ ਨੂੰ ਸਥਿਰ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਸੰਦਰਭ ਵਿੱਚ "ਦ੍ਰਿਸ਼ਟੀ ਦੀ ਲਾਈਨ" ਇੱਕ ਵਿਅਕਤੀਗਤ ਬੋਟ ਦੇ ਸਾਹਮਣੇ ਇੱਕ 135 ਡਿਗਰੀ ਕੋਨ ਹੈ। ਏਜੰਟ ਖੇਡਣ ਵਾਲੇ ਖੇਤਰ ਤੋਂ ਬਾਹਰ ਬਹੁਤ ਦੂਰ ਨਹੀਂ ਜਾ ਸਕਦੇ ਸਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕੁਝ ਬਾਹਰੀ ਵਸਤੂਆਂ (ਬਕਸੇ, ਚੱਲਣਯੋਗ ਕੰਧਾਂ, ਵਿਸ਼ੇਸ਼ ਰੈਂਪ) ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਦੇ ਨਾਲ ਬੇਤਰਤੀਬੇ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਕਮਰਿਆਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਜਿਸਦੀ ਵਰਤੋਂ ਕਵਰ ਬਣਾਉਣ ਅਤੇ ਉਹਨਾਂ ਵਿੱਚ ਘੁਸਪੈਠ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਸੀ। .

ਇੱਕ ਲੰਮੀ ਸਿੱਖਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੁਆਰਾ, AI ਏਜੰਟਾਂ ਨੇ ਛੇ ਵਿਲੱਖਣ ਰਣਨੀਤੀਆਂ ਸਿੱਖੀਆਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਨੇ ਉਹਨਾਂ ਨੂੰ ਖੇਡ ਦੇ ਅਗਲੇ ਪੜਾਅ ਤੱਕ ਅੱਗੇ ਵਧਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ। ਪਹਿਲਾਂ, ਖੋਜੀ ਅਤੇ ਲੁਕਣ ਵਾਲੀਆਂ ਟੀਮਾਂ ਨੇ ਭੱਜ ਕੇ ਇੱਕ ਦੂਜੇ ਦਾ ਪਿੱਛਾ ਕੀਤਾ, ਪਰ ਲਗਭਗ 25 ਮਿਲੀਅਨ ਮੈਚਾਂ ਤੋਂ ਬਾਅਦ, ਲੁਕਣ ਵਾਲੀ ਟੀਮ ਨੇ ਬਾਕਸਾਂ ਨਾਲ ਰਸਤਿਆਂ ਨੂੰ ਰੋਕਣਾ ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ ਆਸਰਾ ਬਣਾਉਣਾ ਸਿੱਖਿਆ। ਹੋਰ 75 ਮਿਲੀਅਨ ਮੈਚਾਂ ਤੋਂ ਬਾਅਦ, ਟੀਮ ਨੇ ਇਹਨਾਂ ਛੁਪਣਗਾਹਾਂ ਵਿੱਚ ਜਾਣ ਲਈ ਰੈਂਪ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭੇ। ਹੋਰ 10 ਮਿਲੀਅਨ ਰਾਉਂਡਾਂ ਤੋਂ ਬਾਅਦ, ਲੁਕਣ ਵਾਲਿਆਂ ਨੇ ਰੈਂਪ ਨੂੰ ਖੇਡਣ ਵਾਲੇ ਖੇਤਰ ਦੇ ਕਿਨਾਰੇ ਤੱਕ ਖਿੱਚਣਾ ਅਤੇ ਵਿਰੋਧੀਆਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਰੋਕਣ ਲਈ ਉਹਨਾਂ ਨੂੰ ਥਾਂ ਤੇ ਲਾਕ ਕਰਨਾ ਸਿੱਖਿਆ।

388 ਮਿਲੀਅਨ ਮੈਚਾਂ ਤੋਂ ਬਾਅਦ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਉਹਨਾਂ ਲਈ ਲਿਆਂਦੇ ਟੋਇਆਂ 'ਤੇ ਚੜ੍ਹਨ ਲਈ ਬਲੌਕ ਕੀਤੇ ਰੈਂਪ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਿੱਖ ਲਿਆ ਹੈ, ਅਤੇ ਫਿਰ, ਸਿੱਧੇ ਉਹਨਾਂ 'ਤੇ ਜਾ ਕੇ, ਪੋਰਟੇਬਲ ਕੰਧਾਂ ਤੋਂ ਬਣਾਏ ਗਏ ਦੁਸ਼ਮਣ ਦੇ ਟਿਕਾਣਿਆਂ ਵਿੱਚ ਦਾਖਲ ਹੋ ਗਏ ਹਨ। ਅਤੇ ਅੰਤ ਵਿੱਚ, 458 ਮਿਲੀਅਨ ਮੈਚਾਂ ਦੇ ਬਾਅਦ, ਲੁਕਣ ਵਾਲੀ ਟੀਮ ਨੇ ਸਿੱਟਾ ਕੱਢਿਆ ਕਿ ਉਹਨਾਂ ਨੂੰ ਸਾਰੀਆਂ ਵਸਤੂਆਂ ਨੂੰ ਰੋਕਣ ਅਤੇ ਫਿਰ ਇੱਕ ਆਸਰਾ ਬਣਾਉਣ ਦੀ ਲੋੜ ਸੀ, ਜਿਸ ਨਾਲ ਜ਼ਾਹਰ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਅੰਤਿਮ ਜਿੱਤ ਹੋਈ।

ਖਾਸ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਗੱਲ ਇਹ ਹੈ ਕਿ 22 ਮਿਲੀਅਨ ਮੈਚਾਂ ਤੋਂ ਬਾਅਦ, ਏਜੰਟਾਂ ਨੇ ਆਪਣੀਆਂ ਕਾਰਵਾਈਆਂ ਦਾ ਤਾਲਮੇਲ ਕਰਨਾ ਸਿੱਖਿਆ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਸਹਿਯੋਗ ਦੀ ਕੁਸ਼ਲਤਾ ਭਵਿੱਖ ਵਿੱਚ ਹੀ ਵਧੀ, ਉਦਾਹਰਨ ਲਈ, ਹਰ ਇੱਕ ਆਸਰਾ ਬਣਾਉਣ ਲਈ ਆਪਣਾ ਬਕਸਾ ਜਾਂ ਕੰਧ ਲਿਆਇਆ ਅਤੇ ਵਸਤੂਆਂ ਦਾ ਆਪਣਾ ਹਿੱਸਾ ਚੁਣਿਆ। ਬਲਾਕ, ਵਿਰੋਧੀਆਂ ਲਈ ਮੁਸ਼ਕਲ ਖੇਡ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਣ ਲਈ.

ਵਿਗਿਆਨੀਆਂ ਨੇ ਸਿੱਖਣ ਦੀ ਗਤੀ 'ਤੇ ਸਿਖਲਾਈ ਵਸਤੂਆਂ ਦੀ ਸੰਖਿਆ (ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੁਆਰਾ ਪਾਸ ਕੀਤੇ ਡੇਟਾ ਦੀ ਮਾਤਰਾ - "ਬੈਚ ਸਾਈਜ਼") ਦੇ ਪ੍ਰਭਾਵ ਨਾਲ ਸਬੰਧਤ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਨੁਕਤੇ ਨੂੰ ਵੀ ਨੋਟ ਕੀਤਾ। ਡਿਫੌਲਟ ਮਾਡਲ ਨੂੰ ਉਸ ਬਿੰਦੂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ 132,3 ਘੰਟਿਆਂ ਦੀ ਸਿਖਲਾਈ ਤੋਂ ਵੱਧ 34 ਮਿਲੀਅਨ ਮੈਚਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਲੁਕਣ ਵਾਲੀ ਟੀਮ ਨੇ ਰੈਂਪਾਂ ਨੂੰ ਰੋਕਣਾ ਸਿੱਖ ਲਿਆ ਸੀ, ਜਦੋਂ ਕਿ ਵਧੇਰੇ ਡੇਟਾ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਸਿਖਲਾਈ ਦੇ ਸਮੇਂ ਵਿੱਚ ਧਿਆਨ ਦੇਣ ਯੋਗ ਕਮੀ ਆਈ। ਉਦਾਹਰਨ ਲਈ, ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਗਿਣਤੀ (ਸਮੁੱਚੀ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ ਦੌਰਾਨ ਪ੍ਰਾਪਤ ਕੀਤੇ ਡੇਟਾ ਦਾ ਹਿੱਸਾ) ਨੂੰ 0,5 ਮਿਲੀਅਨ ਤੋਂ 5,8 ਮਿਲੀਅਨ ਤੱਕ ਵਧਾਉਣ ਨਾਲ ਨਮੂਨਾ ਲੈਣ ਦੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ 2,2 ਗੁਣਾ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਅਤੇ ਇਨਪੁਟ ਡੇਟਾ ਦੇ ਆਕਾਰ ਨੂੰ 64 KB ਤੋਂ 128 KB ਤੱਕ ਵਧਾ ਕੇ ਸਿਖਲਾਈ ਨੂੰ ਘਟਾ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਸਮਾਂ ਲਗਭਗ ਡੇਢ ਗੁਣਾ।

ਆਪਣੇ ਕੰਮ ਦੇ ਅੰਤ 'ਤੇ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਹ ਜਾਂਚ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਕਿ ਗੇਮ ਦੇ ਅੰਦਰ-ਅੰਦਰ ਸਿਖਲਾਈ ਏਜੰਟਾਂ ਨੂੰ ਗੇਮ ਤੋਂ ਬਾਹਰ ਸਮਾਨ ਕੰਮਾਂ ਨਾਲ ਸਿੱਝਣ ਵਿੱਚ ਕਿੰਨੀ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ। ਕੁੱਲ ਮਿਲਾ ਕੇ ਪੰਜ ਟੈਸਟ ਸਨ: ਵਸਤੂਆਂ ਦੀ ਗਿਣਤੀ ਬਾਰੇ ਜਾਗਰੂਕਤਾ (ਇਹ ਸਮਝਣਾ ਕਿ ਕੋਈ ਵਸਤੂ ਮੌਜੂਦ ਰਹਿੰਦੀ ਹੈ ਭਾਵੇਂ ਇਹ ਨਜ਼ਰ ਤੋਂ ਬਾਹਰ ਹੋਵੇ ਅਤੇ ਨਾ ਵਰਤੀ ਹੋਵੇ); "ਲਾਕ ਅਤੇ ਵਾਪਸੀ" - ਕਿਸੇ ਦੀ ਅਸਲ ਸਥਿਤੀ ਨੂੰ ਯਾਦ ਕਰਨ ਅਤੇ ਕੁਝ ਵਾਧੂ ਕੰਮ ਪੂਰਾ ਕਰਨ ਤੋਂ ਬਾਅਦ ਇਸ 'ਤੇ ਵਾਪਸ ਜਾਣ ਦੀ ਯੋਗਤਾ; "ਕ੍ਰਮਵਾਰ ਬਲਾਕਿੰਗ" - 4 ਬਕਸੇ ਬੇਤਰਤੀਬੇ ਦਰਵਾਜ਼ਿਆਂ ਤੋਂ ਬਿਨਾਂ ਤਿੰਨ ਕਮਰਿਆਂ ਵਿੱਚ ਸਥਿਤ ਸਨ, ਪਰ ਅੰਦਰ ਜਾਣ ਲਈ ਰੈਂਪ ਦੇ ਨਾਲ, ਏਜੰਟਾਂ ਨੂੰ ਉਹਨਾਂ ਸਾਰਿਆਂ ਨੂੰ ਲੱਭਣ ਅਤੇ ਬਲਾਕ ਕਰਨ ਦੀ ਲੋੜ ਸੀ; ਪੂਰਵ-ਨਿਰਧਾਰਤ ਸਾਈਟਾਂ 'ਤੇ ਬਕਸਿਆਂ ਦੀ ਪਲੇਸਮੈਂਟ; ਇੱਕ ਸਿਲੰਡਰ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਵਸਤੂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਇੱਕ ਆਸਰਾ ਬਣਾਉਣਾ.

ਨਤੀਜੇ ਵਜੋਂ, ਪੰਜ ਵਿੱਚੋਂ ਤਿੰਨ ਕਾਰਜਾਂ ਵਿੱਚ, ਬੋਟਸ ਜਿਨ੍ਹਾਂ ਨੇ ਗੇਮ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਸਿਖਲਾਈ ਲਈ ਸੀ, ਤੇਜ਼ੀ ਨਾਲ ਸਿੱਖੇ ਅਤੇ AI ਨਾਲੋਂ ਬਿਹਤਰ ਨਤੀਜੇ ਦਿਖਾਏ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਕ੍ਰੈਚ ਤੋਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਉਹਨਾਂ ਨੇ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਸਥਿਤੀ 'ਤੇ ਵਾਪਸ ਆਉਣ, ਬੰਦ ਕਮਰਿਆਂ ਵਿੱਚ ਬਕਸੇ ਨੂੰ ਕ੍ਰਮਵਾਰ ਬਲਾਕ ਕਰਨ, ਅਤੇ ਦਿੱਤੇ ਖੇਤਰਾਂ ਵਿੱਚ ਬਕਸੇ ਰੱਖਣ ਵਿੱਚ ਥੋੜ੍ਹਾ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਪਰ ਵਸਤੂਆਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਪਛਾਣਨ ਅਤੇ ਕਿਸੇ ਹੋਰ ਵਸਤੂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਕਵਰ ਬਣਾਉਣ ਵਿੱਚ ਥੋੜ੍ਹਾ ਕਮਜ਼ੋਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ।

ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮਿਸ਼ਰਤ ਨਤੀਜਿਆਂ ਦਾ ਕਾਰਨ AI ਕੁਝ ਕੁਸ਼ਲਤਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਸਿੱਖਦਾ ਅਤੇ ਯਾਦ ਰੱਖਦਾ ਹੈ। “ਸਾਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਜਿਨ੍ਹਾਂ ਕਾਰਜਾਂ ਵਿੱਚ ਗੇਮ-ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਨੇ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਉਹਨਾਂ ਵਿੱਚ ਪਹਿਲਾਂ ਤੋਂ ਸਿੱਖੇ ਗਏ ਹੁਨਰਾਂ ਨੂੰ ਜਾਣੇ-ਪਛਾਣੇ ਤਰੀਕੇ ਨਾਲ ਦੁਬਾਰਾ ਵਰਤਣਾ ਸ਼ਾਮਲ ਹੈ, ਜਦੋਂ ਕਿ ਸ਼ੁਰੂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ AI ਨਾਲੋਂ ਬਾਕੀ ਬਚੇ ਕਾਰਜਾਂ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਕਰਨ ਲਈ ਉਹਨਾਂ ਨੂੰ ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ ਵਰਤਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ, ਜੋ ਕਿ ਬਹੁਤ ਕੁਝ ਵਧੇਰੇ ਮੁਸ਼ਕਲ,” ਕੰਮ ਦੇ ਸਹਿ-ਲੇਖਕ ਲਿਖੋ। "ਇਹ ਨਤੀਜਾ ਸਿਖਲਾਈ ਦੁਆਰਾ ਹਾਸਲ ਕੀਤੇ ਹੁਨਰਾਂ ਨੂੰ ਇੱਕ ਵਾਤਾਵਰਣ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨ ਵੇਲੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਮੁੜ ਵਰਤੋਂ ਲਈ ਢੰਗਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਦੀ ਲੋੜ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ।"

ਕੀਤਾ ਗਿਆ ਕੰਮ ਸੱਚਮੁੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ, ਕਿਉਂਕਿ ਇਸ ਅਧਿਆਪਨ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਕਿਸੇ ਵੀ ਖੇਡਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਬਹੁਤ ਪਰੇ ਹੈ। ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ "ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਿਤ" ਅਤੇ "ਮਨੁੱਖੀ-ਵਰਗੇ" ਵਿਵਹਾਰ ਨਾਲ AI ਬਣਾਉਣ ਵੱਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ ਜੋ ਬਿਮਾਰੀਆਂ ਦਾ ਨਿਦਾਨ ਕਰ ਸਕਦਾ ਹੈ, ਗੁੰਝਲਦਾਰ ਪ੍ਰੋਟੀਨ ਅਣੂਆਂ ਦੀ ਬਣਤਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਸੀਟੀ ਸਕੈਨ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦਾ ਹੈ।

ਹੇਠਾਂ ਦਿੱਤੀ ਵੀਡੀਓ ਵਿੱਚ ਤੁਸੀਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਸਿੱਖਣ ਦੀ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਕਿਵੇਂ ਹੋਈ, ਕਿਵੇਂ AI ਨੇ ਟੀਮ ਵਰਕ ਨੂੰ ਸਿੱਖਿਆ, ਅਤੇ ਇਸ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਹੋਰ ਅਤੇ ਵਧੇਰੇ ਚਲਾਕ ਅਤੇ ਗੁੰਝਲਦਾਰ ਹੁੰਦੀਆਂ ਗਈਆਂ।

ਸਰੋਤ: 3dnews.ru