211service.com
Googles AI Masters Space Invaders (men det stinker fortfarande på Pac-Man)
Hämta ytterligare en vinst för maskinerna. Programvara från Googles DeepMind-grupp med artificiell intelligens har lärt sig att spela det klassiska Atari 2600-spelet Space Invaders till en övermänsklig nivå.
Google DeepMinds programvara tar sig an det klassiska Atari 2600-spelet Space Invaders.
Den nyheten kommer via en nytt papper i den vetenskapliga tidskriften Natur , som säger att programvaran lärde sig att spela 22 klassiska Atari-titlar bättre än vad en expert på mänskliga videospelstestare kunde. Verket uppdaterar en tidigare papper på samma mjukvara som publicerades på en AI-konferens i slutet av 2013. Då tog programvaran sju titlar, och den kunde bara överträffa människor vid tre. På den tiden var DeepMind en oberoende startup.
Inte långt efter köptes DeepMind av Google för 628 miljoner dollar, och Googles vd Larry Page visade upp programvaran på TED-konferensen 2014. MIT Technology Review grävde ner sig i dess arbete i en profil av DeepMinds ledare Demis Hassabis i december förra året (se Googles Intelligence Designer ).
Hassabis team, ringde Google DeepMind , har nu utvecklat en mer komplex, finjusterad version av det djupa Q-nätverket som tog sig an 49 olika Atari-spel. Att det blev en övermänsklig spelare av 22 av dem, inklusive Space Invaders, understryker kraften i DeepMinds teknologi. Men hur det släpade efter mänskliga prestationer vid 20 andra, och bara matchade det för resten, är en påminnelse om att även denna ovanligt kapabla programvara fortfarande bara har begränsad intelligens.
Det klassiska spelet Ms. Pac-Man illustrerar på ett snyggt sätt programvarans största begränsning: det går inte att planera så långt som till och med några sekunder framåt. Det hindrar systemet från att ta reda på hur man tar sig över en labyrint på ett säkert sätt för att äta de sista pellets och slutföra en nivå. Det går inte heller att lära sig att att äta vissa magiska pellets gör att du kan äta de spöken som du annars måste undvika till varje pris.
DeepMinds programvara har i huvudsak fastnat i nuet. Den tittar bara tillbaka på de fyra senaste videobilderna av spelet (bara en 15:e sekund) för att lära sig vilka drag som lönar sig eller hur man använder sin tidigare erfarenhet för att välja nästa drag. Det betyder att det bara kan bemästra spel där du kan göra framsteg genom att använda taktik som ger mycket omedelbara utdelningar. Det är begränsande, även om det fungerar bra för vissa Atari-spel. Trots det har DeepMinds mjukvara visat sig kunna arbeta fram till synes komplexa strategier, som att gräva bollen runt baksidan av muren av block i spelet Breakout, något experter som mänskliga spelare gör.
Hassabis säger att hans team arbetar med att utöka programvarans uppmärksamhet och minne, samt att göra den kapabel att utforska ett spel mer systematiskt än att bara göra slumpmässiga drag som det gör idag. Han säger att sådana justeringar borde göra det möjligt för programvaran att bemästra mycket mer komplexa miljöer. Arbetet har redan börjat med att få det att spela spel för Super Nintendo-konsolen och tidiga datorer, av vilka många har enkla 3D-miljöer.
Att testa mer och mer komplexa spel kan till och med ge en brygga till den verkliga världen. I slutändan är tanken att om den här algoritmen kan köra en bil i ett racingspel, med några justeringar kommer den att kunna köra en riktig bil, sa Hassabis vid en presskonferens på tisdagen.
Förvänta dig dock inte att DeepMind-programvaran ska ta ratten i en av Googles autonoma bilar snart. Det arbete som görs för att tillämpa gruppens forskning på verkliga problem idag är fokuserat på företagets kärnprodukter som sökning, mobilassistentfunktioner och översättning, säger Hassabis. Tänk om du kunde be Google-appen om något så komplicerat som 'Okej, Google, planera en fantastisk ryggsäcksresa för mig genom Europa', sa han MIT Technology Review .
Tjänster som mobila assistenter och automatisk översättning är bekanta och fungerande idag, men de kan vara frustrerande begränsade. Programvara som kan lära sig att slå dig i videospel kan vara spännande, men dess första verkliga inverkan på världen kommer sannolikt att tillföra ny (man kan säga försenad) polering till tjänster vi redan använder.