Ang pagpapatakbo ng neural network sa pamamagitan ng mga simpleng video game ay isang mainam na paraan upang subukan ang pagiging epektibo ng pagsasanay nito dahil sa simpleng kakayahang suriin ang mga resulta ng pagpasa. Binuo noong 2012 ng DeepMind (bahagi ng Alphabet holding), ang benchmark ng 57 iconic na laro ng Atari 2600 ay naging isang litmus test para sa pagsubok sa mga kakayahan ng mga self-learning system. At narito ang Agent57, isang advanced na ahente ng RL (Reinforcement Learning) DeepMind, noong isang araw isang malaking lukso mula sa mga nakaraang system at ito ang unang AI iteration na nalampasan ang baseline ng isang tao na manlalaro.
Isinasaalang-alang ng Agent57 AI ang karanasan ng mga nakaraang system ng kumpanya at pinagsasama ang mga algorithm para sa mahusay na pagsaliksik sa kapaligiran na may meta-control. Sa partikular, napatunayan ng Agent57 ang kanyang superhuman na kakayahan sa Pitfall, Montezuma's Revenge, Solaris at Skiing - mga laro na naging seryosong pagsubok para sa mga nakaraang neural network. Ayon sa pananaliksik, pinipilit ng Pitfall at Montezuma's Revenge ang AI na mag-eksperimento nang higit pa upang makamit ang mas mahusay na mga resulta. Mahirap ang Solaris at Skiing para sa mga neural network dahil walang gaanong senyales ng tagumpay - Matagal nang hindi alam ng AI kung tama ang ginagawa nito. Binuo ng DeepMind ang mga lumang AI agent nito para makagawa ang Agent57 ng mas mahuhusay na desisyon patungkol sa environmental exploration at performance evaluation sa mga laro, pati na rin i-optimize ang trade-off sa pagitan ng panandalian at pangmatagalang gawi sa mga laro tulad ng Skiing.
Ang mga resulta ay kahanga-hanga, ngunit ang AI ay may mahabang paraan upang pumunta. Ang mga system na ito ay maaari lamang humawak ng isang laro sa isang pagkakataon, na sinasabi ng mga developer na labag sa mga kakayahan ng tao: "Ang tunay na kakayahang umangkop na napakadaling dumating sa utak ng tao ay hindi pa rin maaabot ng AI."
Pinagmulan: 3dnews.ru