A.I. Lært hvordan å konkurrere mot eSports Pros i svært komplekse spill

Akra-L'ai L'ai (Bass)

Akra-L'ai L'ai (Bass)
Anonim

Kunstig intelligens har dunket på mennesker på perfekte informasjon brettspill som Chess and Go i mange år nå. Faktisk kan æra med raffinering A.I.s problemløsende ferdigheter ved hjelp av disse spillene endelig ha avsluttet, og langt mer kompliserte spill kreves for å fortsette å presse A.I.s grenser. 2018 så store fremskritt i denne forbindelse.

Den mest bemerkelsesverdige eSports-spillcomputeren var "Open AI Five," et lag av roboter som absolutt baller i strategispillet, Dota 2. Elon Musk og Sam Altman-grunnlagt non-profit trente sin A.I. drømmeteam på tilsvarer 180 år med Dota 2-spill, med 128 000 prosessorkjerner og 256 grafikkprosessorer. Dette resulterte i en gruppe bots som holdt seg mot spillernes beste menneskelige spillere, men klarte ikke helt seieren.

Dota 2 er det som er kjent som et "multiplayer online battle arena" -spill, som involverer to lag med fem spillere som forsøker å ødelegge andres hjemmebase. Spillene kan vare hvor som helst mellom 15 minutter og en time, og blir vunnet med en blanding av teknisk dyktighet, en skarp følelse av hva motstanderen din har, og avgjørende beslutningstaking. Det faktum at Open AI Five kan snill å gjøre alt dette i en grad er et gjennombrudd.

Dette er # 12 på Inverse's liste over 20 måter A.I. Ble mer menneskelig i 2018.

Det er noen advarsler: For å trene botsene, dumpet OpenAi ned Dota 2 S regler ved å begrense listen over tilgjengelige tegn, og fjerne noen av spillets detaljer. Botsene har imidlertid sakte blitt i stand til stadig mer komplekse strategier og i løpet av bare noen få måneder.

Artificial Intelligence forskere bruker spill for å trene A.I. fordi spillene selv fungerer som en surrogat for stadig mer kompliserte former for problemløsing og beslutningstaking. Spill som sjakk og Go er også attraktive fordi de er elegant kompliserte, men også "perfekt informasjon" -spill, hvor all relevant informasjon om spillernes brikker og trekk blir sett av motstanderen.

2018 viste at perfekte informasjonsspill faktisk er for enkelt å mestre av datamaskiner, og at for å fortsette å raffinere A.I., må forskere vende seg til mye, mye bedre spill.