Cобрали 37, нужно 63 в июле. Поддержи devby 📝
Support us

DeepMind научили AI выигрывать игры, не зная правил

В AI-подразделении Alphabet разработали новый алгоритм, который умеет выигрывать в игры, правила которых ему заранее объяснили, сообщает Engadget. Это достижение позволит системам на основе искусственного интеллекта адаптироваться к незнакомым ситуациям в реальном мире, для которых нет специально подготовленных алгоритмов.

Оставить комментарий

В AI-подразделении Alphabet разработали новый алгоритм, который умеет выигрывать в игры, правила которых ему заранее объяснили, сообщает Engadget. Это достижение позволит системам на основе искусственного интеллекта адаптироваться к незнакомым ситуациям в реальном мире, для которых нет специально подготовленных алгоритмов.

В 2016 году программа AlphaGo, обученная DeepMind на записях игровых матчей между людьми, смогла обыграть лучших мировых профессионалов по игре го. Новый вариант алгоритма, AlphaGo Zero, тренировался уже без участия человека, играя сама с собой. За ним последовал AlphaZero — единый алгоритм, умеющий играть в шахматы, сёги и го. Все три версии заранее знали правила игр, с которыми работали.

Последняя разработка DeepMind под названием MuZero в правилах не нуждается: алгоритм способен сам познавать их в процессе обучения, планировать ходы и выигрывать. Кроме того, ему под силу игры Atari. После обучения MuZero показывает равные или даже более высокие результаты по сравнению с предшественниками.

Цель исследователей — создать единый алгоритм, который позволит AI рассчитывать дальнейшие действия, не зная правил и условий в тех или иных обстоятельствах. Это довольно сложно реализовать для головоломок вроде шахмат или го, где конкретная последовательность шагов приводит к победе или поражению. В жизненных ситуациях неопределённости гораздо больше, поэтому для обработки вариантов поведения умным системам нужен ещё более мощный алгоритм.

Чем больше времени алгоритму давалось на раздумье, тем эффективнее его были решения. Но даже с ограничениями — исследователи поставили лимит на количество симуляций, который алгоритму разрешалось «прогнать» перед тем, как сделать ход, — MuZero добился хороших показателей.

Что касается прикладной пользы MuZero, в DeepMind считают, что сможет применяться для решения сложных задач, например, в робототехнике.

Осталось 61!

Го донатить

Читайте также
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
TinyML, No-code и обучение с подкреплением: новейшие тренды в машинном обучении
Пока 20% топ-менеджеров утверждают, что машинное обучение является существенной частью их бизнеса, неудивительно, что стоимость мирового рынка машинного обучения, по некоторым оценкам, достигнет $117 млрд к концу 2027 года. Мы перевели материал Udacity о семи самых обсуждаемых тенденциях в машинном обучении в 2022 году.
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
3 комментария

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.