Badacze z firmy Uber stworzyli zestaw algorytmów, napędzanych Sztuczną Inteligencją, które mogą przejść każdą grę Atari z ‘nadludzkim’ wynikiem. Jak widzimy, spółka nie skupia się tylko na rozwoju swojej popularnej aplikacji. A ich sekret to nowe podejście do problemu.
Człowiek kontra maszyna
Atari 2600 to konsola do gier, pierwszy raz pokazana w 1977 roku, która pozwoliła całemu światu poznawać takie tytuły, jak Pac-Man i Pitfall, w domowym zaciszu. Większość gier tej konsoli jest z gatunku zręcznościowych, a przez ich trudność istnieje niewielu mistrzów. AI firmy Uber jest jednak lepsze nawet od nich.
![Jak AI radzi sobie z grami na Atari? Jak AI radzi sobie z grami na Atari?](https://upload.wikimedia.org/wikipedia/commons/b/b9/Atari-2600-Wood-4Sw-Set.jpg)
Jaki jest więc kluczowy składnik sukcesu tego zestawu algorytmów? Otóż nowy system, nazwany Go-Explore, który zapamiętuje obiecujące stany rozgrywki i powraca do nich, gdy szanse na zwycięstwo maleją.
System Go-Explore, gdy po raz pierwszy został przetestowany na grach Atari, osiągnął niesamowite, wręcz nadludzkie wyniki. Jako pierwsze AI przeszedł każdy poziom w grze Montezuma’s Revenge, a także zdobył prawie maksymalny wynik w grze Pitfall. Warto zaznaczyć, że obie te produkcje są wyjątkowo trudne dla systemów uczenia maszynowego.
![Jak AI radzi sobie z grami na Atari? Jak AI radzi sobie z grami na Atari?](https://atariage.com/2600/archives/images/MontezumasRevenge_Level1.png)
Jeff Clune uważa, że AI firmy DeepMind, nazwane Agent57, osiągnęło podobne wyniki “całkowicie innymi sposobami”, co pokazuje, że możemy podejść do problemu z różnych stron.
Atari to tylko początek…
Oczywiście, celem takich eksperymentów jest coś znacznie ważniejszego. Go-Explore może być zaimplementowany w innych dziedzinach gospodarki i nauki. Jednym słowem… Wszędzie! Zespół już osiągnął sukces w używaniu tego systemu do nauczenia symulowanego robota podnoszenia przedmiotów i odkładania je na miejsce.
A biorąc pod uwagę, że za całym przedsięwzięciem stoi Uber, na grach na pewno się nie skończy. Przygotujmy się na lepszą nawigację, implementację Go-Explore w ogólnodostępnych robotach, a także – oby nie za szybko – kolejną odsłonę autonomicznych samochodów.