Tuorein sisältö

Tutkijat tekivät tekoälystä retropelaajan, joka pystyy läpäisemään kolme klassikkopeliä

01.03.2021 klo 20.00 | Luettu: 2156 kertaa | Teksti: Mikko Seppänen



Tutkijat kertovat Nature-lehdessä julkaistussa uudessa tiedeartikkelissa uudesta joukosta algoritmeja, joiden avulla tekoäly pystyy läpäisemään joukon klassikkopelejä.

Aiemmin näytön vieritystä sisältävät pelit olivat olleet haastavia tekoälylle mutta uusien algoritmien avulla tutkijat näkivät merkittäviä parannuksia tekoälyn yrityksissä läpäistä klassikkopelit Montezuma's Revenge, Freeway ja Pitfall.

Uber AI Labsin työntekijöiden kehittämillä algoritmien tarkoitus ei ole pelkästään tehdä tekoälystä mahdollisimman hyvää retropelaajaa vaan niistä on käytännön hyötyä tulevaisuudessa parantamaan robottien liikkumista erilaisissa oikean maailman ympäristöissä.

Tutkijat käyttävät retropelejä apuna mallintamaan tekoälyn kykyä tutkia erilaisia sokkeloita, jotka pitävät sisällään palkintoja, esteitä ja vaaroja. Pelit ovat tähän erinomaisia, sillä vaarojen lisäksi ne voivat vaatia tarkkuuden lisäksi kykyä hahmottaa aiemmin vierailtuja pelialueita tai uusia alueita, jotka pitää vielä löytää.

Osa aikaisemmista algoritmeista on kärsinyt ongelmista kuten lupaavien tutkimattomien alueiden unohtamisesta tai satunnaisista toiminnoista jotka ovat johtaneet peleissä kuolemaan, joten uusi algoritmi yrittää ratkaista tämän ongelman erottamalla tavan miten se käsittelee aiemmin tutkittuja alueita ja uusien alueiden löytämistä.

Tutkijoiden mukaan robotiikan ja liikkumiseen liittyvän oppimisen lisäksi algoritmeista on havaittu olevan myös hyötyä kielten oppimisessa sekä itseohjautuvien autojen mahdollisten vikojen löytämisessä.

Toistaiseksi ei siis vaikuta siltä, että uusi algoritmi saisi vielä aikaan Skynet-tason tekoälyuhan ellei kyse ole sitten retropelien hiscore-listoista.

Lähde: BBC

V2.fi | Mikko Seppänen
< Yllättyneitä nolla? ... Microsoftin pilvipel... >

Keskustelut (0 viestiä)


Kirjoita kommentti




www.v2.fi™ © Alasin Media Oy | Hosted by Capnova