DeepMinds nya AI slog precis de bästa mänskliga pro-gamers på Starcraft II för första gången

Kategori: Artificiell intelligens Postad 25 jan

DeepMind, ett dotterbolag till Alphabet som fokuserar på att knäcka artificiell intelligens, har tillkännagett ett nytt landmärke i det stora uppdraget: att slå människor i galaktisk krigföring.

Nyheterna: AlphaStar , företagets senaste inlärningsalgoritm, besegrade professionella Starcraft II-spelare för första gången och gjorde 10 vinster och en förlust mot proffsen, kallade TLO och MaNa. Det populära strategispel i realtid involverar spelare som tävlar som en av tre tävlingar för att bygga strukturer och delta i strider över ett vidsträckt slagfält.

Öva, öva: AlphaStar lärde sig att spela i en miljö som kallas AlphaStar League. Ett stort neuralt nätverk observerade först repriser av mänskliga expertspel. Det ställdes sedan mot versioner av sig själv, med hjälp av en maskininlärningsteknik som kallas förstärkningsinlärning för att förbättras med tiden. Viktigt är att programmets handlingshastighet och dess syn på slagfältet var begränsade så att det inte hade en orättvis fördel gentemot människor.

Vem ger en Zerg? AlphaStar var tvungen att visa nya typer av intelligens för att bemästra spelet. Teknikerna som utvecklats för att spela spelet kan potentiellt visa sig användbara i många praktiska situationer där komplex strategi krävs: tänk på handel eller till och med militär planering.

Högre poäng: Starcraft II är inte bara extremt komplext. Det är också ett spel med ofullkomlig information, vilket innebär att spelare inte alltid kan se vad deras motståndare har för sig. Det finns heller ingen enskild bästa strategi för att spela. Och det tar tid för resultaten av en spelares handlingar att bli tydliga, vilket gör det svårare för en algoritm att lära sig genom erfarenhet. DeepMinds team använde en mycket specialiserad neurala nätverksarkitektur att ta itu med dessa frågor.

Spel teori: DeepMind är mest känt för att utveckla programvaran som lärde sig att slå världens bästa Go- och schackspelare. Men innan dess utvecklade företaget flera algoritmer som lärde sig att spela enkla Atari-spel. Att spela tv-spel är ett snyggt sätt att mäta framsteg inom artificiell intelligens och att jämföra datorer med människor. Det är dock också ett mycket snävt test – AlphaStar, precis som sina föregångare, kan bara göra en uppgift, om än otroligt bra.