Algoritme som mestrer 'Pong' Nå Utmerket på 'Flappy Bird', Still Single

Forbedring på en dyplæringsmetode som er banebrytende for pong, Space Invaders, og andre Atari-spill, har Stanford University datavitenskapsstudent Kevin Chen skapt en algoritme som er ganske bra på den klassiske 2014-side-scroller Flappy Bird. Chen har leveraged et konsept kjent som "q-learning", der en agent har som mål å forbedre sin belønning score med hver iterasjon av å spille, for å perfeksjonere et nesten umulig og umulig vanedannende spill.

Chen opprettet et system hvor hans algoritme ble optimalisert for å søke tre belønninger: En liten positiv belønning for hver ramme ble den levende, en stor belønning for å passere gjennom et rør, og en like stor (men negativ) belønning for å dø. Således motivert, kan det såkalte dype q-nettverket utvise mennesker, ifølge rapporten Chen forfatter: "Vi klarte å lykkes med å spille spillet Flappy Bird ved å lære rett fra piksler og poengsummen, og oppnå super-menneskelige resultater."

Det originale Atari-papiret, publisert i 2015 i Natur, kom fra det Google-eide DeepMind-selskapet (nå kjent for sin mestring av det gamle kinesiske brettspillet Go). DeepMind-oppnåelsen var et gjennombrudd ved at det tok visuelt - eller piksel, i det minste - informasjon, og med minimal innsats kunne maksimere belønningene. Et slikt belønningssystem har blitt sammenlignet med hjernens dopaminerge respons, bare forenklet.

Det er ikke første gang en algoritme har erobret flapping fuglen: En tidligere klasse av Stanford University datavitenskapsstudenter opprettet et program som, da trenet over natten, forbedret poengsummen fra 0 rør til 1.600.