Czego AI musi się nauczyć, aby opanować wojnę z kosmitami?

Gracze grają w StarCrafta na Gamescom w Kolonii w Niemczech w 2015 roku.

Aby dowiedzieć się, jak ludzie i systemy sztucznej inteligencji mogą najlepiej żyć razem, być może będziemy musieli zabić całą masę Zergów.

DeepMind, jednostka Alphabet skupiona na sztucznej inteligencji, i firma produkująca gry Blizzard Entertainment wypuszczają zestaw narzędzi, które pozwolą programistom uwolnić wszelkiego rodzaju algorytmy sztucznej inteligencji w grze StarCraft o tematyce kosmicznej.

Gra jest trudniejsza niż większość dotychczasowych programów AI. StarCraft jest nie tylko niezwykle złożony, ale wymaga również planowania z dużym wyprzedzeniem i próbowania odgadnięcia, co knuje twój przeciwnik. Oznacza to, że opracowywanie programów AI zdolnych dopasowywać ludzi, powinno pomóc naukowcom w odkrywaniu nowych aspektów ludzkiej inteligencji za pomocą maszyn. Inną potencjalną korzyścią, według zaangażowanych osób, będzie badanie sposobów wspólnej zabawy ludzi i sztucznych agentów.

StarCraft jest interesujący z wielu powodów, mówi Winyle Oriol , badacz DeepMind, który kieruje projektem. Na przykład fakt, że gracze często mają jedynie wgląd w działania swoich przeciwników, oznacza, że ​​algorytmy będą musiały opracować lepsze sposoby przechowywania informacji w pamięci. Pamięć ma kluczowe znaczenie, mówi Vinyals. To, co widzisz teraz, nie jest tym, co widziałeś jakiś czas temu, a coś konkretnego, co mogło wydarzyć się minutę temu, może sprawić, że [chcesz] zachowywać się inaczej.

DeepMind zbudował imponującą reputację dzięki tworzeniu programów AI zdolnych do grania w różne rodzaje gier z nadludzkimi umiejętnościami. Firma zaczęła od podboju różnych gier na Atari, a ostatnio zajęła się niezwykle złożoną i abstrakcyjną grą planszową Go (patrz DeepMind AI Masters the Game of Go dekadę wcześniej niż oczekiwano).

Aby opanować te gry, badacze DeepMind wykorzystali technikę uczenia maszynowego zwaną uczeniem przez wzmacnianie. Uczenie maszynowe pozwala komputerowi wymyślić, jak zrobić coś dla siebie, bez konieczności posiadania wyraźnych instrukcji. Uczenie się ze wzmacnianiem, które jest inspirowane sposobem, w jaki zwierzęta się uczą, umożliwia uczenie się poprzez eksperymentowanie z pozytywną informacją zwrotną (patrz 10 Przełomowe Technologie 2017: Uczenie się ze Wzmacnianiem). Jednak Vinyals mówi, że zastosowanie uczenia się przez wzmacnianie w StarCraft będzie trudniejsze, ponieważ każda gra zajmuje dużo czasu. Mówi, że działanie, które teraz podejmuję, ma konsekwencje dopiero znacznie później.

W StarCraft gracze rywalizują jako jedna z trzech ras: ludzcy Terranie, cyborgi Protossi lub insektoidy Zergowie. Bitwy obejmują złożone działania strategiczne, takie jak wydobywanie zasobów i budowanie baz, a także przedłużające się sekwencje bitewne. StarCraft jest również najpopularniejszym e-sportem dla widzów, a szczególnie w Korei Południowej turnieje są często rozgrywane na ogromnych stadionach i pokazywane na żywo w telewizji. Wybitni gracze z zadowoleniem przyjęli perspektywę dopasowania się do programów AI, ale DeepMind nie powiedział jeszcze, kiedy to może się zdarzyć (zobacz StarCraft Pros są gotowi do walki ze sztuczną inteligencją).

Narzędzia opracowane przez DeepMind i Blizzard znacznie ułatwią naukowcom zajmującym się sztuczną inteligencją wdrażanie i testowanie algorytmów uczenia maszynowego w StarCraft. Narzędzia zapewnią agentom AI taki sam widok gry i interfejs, jaki mają gracze. Umożliwiają również ograniczenie szybkości, z jaką program może wykonywać swoje działania. Może to zapewnić, że program musi opierać się na tych samych narzędziach intelektualnych, co osoba.

StarCraft był używany jako platforma badawcza od jakiegoś czasu, ale jego wykorzystanie było stosunkowo trudne. Vinyals, sam ekspert w grze StarCraft, wykonał pionierską pracę nad budowaniem botów dla StarCrafta jako student Uniwersytetu Kalifornijskiego w Berkeley (patrz 35 Innovators Under 35, 2016: Oriol Vinyals ). Zespoły w Facebook i chińska firma Alibaba opublikowali również badania dotyczące StarCrafta. DeepMind publikuje artykuł na dużej konferencji poświęconej uczeniu maszynowemu w tym tygodniu, pokazujący, jak istniejące algorytmy radzą sobie z grą.

Możliwe jednak, że do opanowania gry takiej jak StarCraft potrzebne będą zupełnie inne podejścia. Niektórzy inni badacze odnieśli sukces, stosując podejścia zaczerpnięte z teorii gier, aby poczynić postępy w innych grach zawierających niedoskonałe informacje, w których blefowanie jest ważne. Na początku tego roku Tuomas Sandholm, profesor Carnegie Mellon University, i jeden z jego studentów, Noam Brown, opracowali program o nazwie Libratus, który pokonał kilku profesjonalnych graczy w heads-upie lub dwuosobowej no-limit Texas Hold'em. im. Libratus zastosował bardzo wyrafinowany algorytm do obliczania optymalnej strategii w trakcie gry (zobacz Dlaczego poker to wielka sprawa dla sztucznej inteligencji ). I przypadkowo Brown odbył tego lata staż w DeepMind.

Powiązana historia

Powiązana historia Gra w pokera wiąże się z radzenie sobie z niedoskonałymi informacjami, co sprawia, że ​​gra jest bardzo złożona i bardziej przypomina wiele rzeczywistych sytuacji.

Jacob Repp, główny inżynier w Blizzard, mówi, że jego firma jest zainteresowana sprawdzeniem, czy wyrafinowani agenci AI mogliby uczynić grę bardziej interesującą, grając przeciwko ludziom lub współpracując z nimi. W grze jest już możliwe tworzenie agentów wykonujących polecenia skryptowe. Repp mówi, że byłoby interesujące, gdyby ci agenci również w pewnym stopniu wykorzystywali uczenie maszynowe. I mówi, że firma bada tego rodzaju pomysły. Uważamy, że te narzędzia są bardzo przydatne w procesie tworzenia gier i projektowania funkcji w grach – mówi.

ukryć