Deweloperzy z DeepMind i Carnegie Mellon University zdecydowali się zastosować ciekawe podejście do nauki. Nauka języków przez sztuczną inteligencję jest dość żmudna, dlatego naukowcy zdecydowali, że byłoby lepiej, gdyby sztuczna inteligencja sama nauczyła się podstawowych zasad posługiwania się językiem - w tym celu naukowcy umieścili w grze zręcznościowej dwie sieci neuronowe i kazali im siekać, aż zmienią kolor na niebieski, dopasowując poszczególne obiekty o różnych cechach do tych. dopóki nie zaczną rozumieć języka.
Tak więc programy, próbując osiągnąć pożądany rezultat na miliony różnych sposobów, nauczyły się kojarzyć określone słowa z przedmiotami i ich cechami i zaczęły operować różnymi pojęciami, takimi jak na przykład „większy” lub „mniejszy”, i zaczęły odróżniać podobne zewnętrzne obiekty ze środowiska gry. Tak więc sztuczna inteligencja była w stanie zastosować wiedzę zdobytą w nieznanych sytuacjach, napotykając w grze kolumny i inne obiekty tego samego koloru, ale zgodnie z przypisaniem trafiła dokładnie do kolumn, chociaż wcześniej ich nie widziała.
„Ostatecznym celem jest pomoc sztucznej inteligencji w przełożeniu wiedzy zdobytej w grze na inne obszary jej działalności” - mówi mgr Devendra Chaplot z Carnegie Mellon University, który przedstawił prezentację na temat pracy zespołu.
Gry wideo są używane przez programistów w DeepMind również do innych celów. Na przykład za pomocą gry Sokoban sztuczna inteligencja uczy się wyobrażać sobie - przed wykonaniem kolejnego ruchu program sam oblicza możliwe opcje „na pamięć” i dokonuje właściwego wyboru.
Viacheslav Larionov
