Utviklere fra DeepMind og Carnegie Mellon University bestemte seg for å bruke en interessant tilnærming til læring. Å lære AI-språk er ganske kjedelig, så forskere bestemte seg for at det ville være bedre hvis den kunstige intelligensen lærer de grunnleggende prinsippene for å bruke språket på egenhånd - for dette satte forskerne to nevrale nettverk i et arkadespill og fikk dem til å hugge til de ble blå, og sammenlignet individuelle objekter med forskjellige egenskaper til de til de begynner å forstå språket.
Programmer som prøvde å oppnå ønsket resultat på millioner av forskjellige måter, lærte seg å assosiere bestemte ord med objekter og deres egenskaper og begynte å operere med forskjellige konsepter, for eksempel "større" eller "mindre", for eksempel, og begynte å skille lignende eksternt objekter fra spillmiljøet. Så kunstig intelligens var i stand til å anvende kunnskapen som ble oppnådd i ukjente situasjoner, ved å møte kolonner og andre objekter av samme farge i spillet, men ifølge oppgaven gikk den til kolonnene, selv om den ikke hadde sett dem før.
"Det endelige målet er å hjelpe AI med å overføre kunnskapen som er oppnådd fra spillet til andre aktivitetsområder," sier Devendra Chaplot, MA, Carnegie Mellon University, som holdt en presentasjon om teamets arbeid.
Videospill brukes av utviklere på DeepMind også til andre formål. Ved hjelp av Sokoban-spillet læres for eksempel AI å forestille seg - før programmet tar neste trekk, beregner selve programmet de mulige alternativene "i tankene" og tar det riktige valget.
Viacheslav Larionov
