DeepMindov potres III
Videli smo igre, v katere so razvijalci postavili bote, da bi olajšali človeške igralce ali naredili enkraten poustvarjanje večnamenskih načinov številnih iger. Ti igralci umetne inteligence so le redko sposobni tekmovati s svojimi človeškimi kolegi. Tako se uporabljajo za olajšanje krivulje učenja številnih večigralskih iger. Po drugi strani pa je DeepMind podjetje, specializirano za uporabo umetne inteligence na številnih področjih del. Razkrili so, da bi njihovi roboti, ki jih poganjajo umetni inteligenci, lahko končno premagali svoje človeške kolege v eni najbolj predvajanih večigralskih iger Quake III. Njihove ugotovitve so fascinantne za tiste, ki imajo kaj za učenje in sposobnosti umetne inteligence.
To ni prvo podjetje DeepMind v video igrah, saj so že razvili nevronski motor, ki lahko premaga profesionalne igralce številnih večigralskih iger. Tu je najboljši primer AlphaGo, kjer je njihov AI premagal znanega profesionalnega igralca omenjene igre. Za številne druge igre so razvili tudi umetno inteligenco.
Odbitki
Če se vrnemo k njihovim odbitkom glede njihove umetne inteligence v Quake III. Quake III se drastično razlikuje od mnogih drugih iger. Igra je kategorično različna zaradi postopkovno ustvarjenih faz in dejstva, da je igra v perspektivi prve osebe. Težava pri razvoju AI je v tem, da se niso mogli naučiti najboljše metode za premagovanje igre. V resnici se je težava izkazala za prikrito, saj je bil AI podoben krivulji učenja humanoidov, več o tem kasneje.
AI se je začel od začetka in se naučil pravil samega načina zajemanja zastave. AI je nato lahko premagal 40 človeških igralcev, kjer so se ljudje, pa tudi AI, ujemali. Potem ko je DeepMind znatno premagal ljudi, je sprejel, da se njihova zmaga pripisuje pro-človeškim odzivnim časom njihovega agenta AI. Tako so se odločili, da jih bodo upočasnili, vendar je AI vseeno lahko premagal njihove človeške kolege.
Napredek umetne inteligence
Tomshardware poroča, da so njihovi odbitki še posebej fascinantni, saj se je AI moral naučiti osnov same igre in dejstva, da je AI lahko dobil rezultate, ko so bile faze postopkovno ustvarjene.
DeepMind je dejal, da njihovo delo na tem projektu poudarja dejstvo, da lahko z uporabo tehnik več agentov učinkovito treniramo umetno inteligenco, kar pomeni umetno inteligenco proti umetni inteligenci. AI ne samo ozavešča svoje napake, temveč deluje tudi na stvareh, ki jih je mogoče narediti bolje. Rekli so, ' Rezultate poudarja z izkoriščanjem naravnega učnega načrta, ki ga zagotavlja usposabljanje za več agentov, in s siljenjem k razvoju močnih agentov, ki se lahko celo povežejo z ljudmi . '
Oznake AI
