Áttörés a mesterséges intelligencia kutatásban – Megtanult videojátékozni egy MI

Emlékeztek még arra a történetre, hogy egy mesterséges intelligenciát azért kellet lekapcsolni, mert önös indíttatásokból nem volt elég elkötelezett a Kínai Kommunista Párthoz? Ha erről nem is, de arról biztosan hallottál már, mikor a Facebook leállította két chatbotját, mikor rájöttek, hogy azok egymással kezdtek el beszélgetni egy általuk kitalált nyelven.

Köztudott, hogy a mesterséges intelligencia kutatásban-fejlesztésben egyre nagyobb eredményeket érnek el világszerte a tudósok. Játékokban például már most nagyon erősek, Góban, Sakkban, de már Forma 1-es szimulációban sincs ellenfelük, így csak idő kérdése volt, hogy mikor kezdik el maguk alá gyűrni a videojátékokat is.

Ezúttal az Uber AI Labs tudósai tanították meg a saját MI-jüket régebbi videojátékokat játszani.

A ‘régi’ címke ne zavarjon össze senkit, hiszen ez egyúttal azt is jelenti, hogy nehezebbek is. Olyan klasszikus Atari játékokról van szó, mint a legendásan nehéz Pitfall (fent videón), illetve a Freeway és a Montezuma’s Revenge.

Az új módszerrel a fejlesztett MI képes volt végigjátszani mindegyiket.

Ez azért is fontos, mert az eddigi módszerekkel, mint például az „Intrinsic Motivation” – belső motivációs megoldással, ami jutalmazza a mesterséges intelligenciát, ha az egy új területet fedez fel – mindez nem volt megoldható. Az MI nem tudta végigvinni a játékokat, ugyanis rendre elfelejtette, hogy milyen helyszíneken volt korábban, vagy milyen eredményeket ért el.

Az új Uber AI Labs – Adrien Ecoffet, Joost Huizinga és Jeff Clune által kifejlesztett módszerrel viszont az MI tanul a hibáiból és megjegyzi azokat a területeket, ahol korábban már járt – mindezt természetesen a játékokban, így minden esetben a játékok végéig jutott.

Most talán teljesen értelmetlennek hathat az, hogy egy MI megtanulta kipörgetni a 80-as évek slágerjátékait, de ha belegondolunk, hogy hány területen válhat hasznossá, talán megváltozik a véleményünk. Nagy segítség lehet ugyanis az önvezető autók fejlesztésében, de a katasztrófa sújtotta területeken bevetett mentőrobotok alapvető működését is javíthatja, mellyel önállóan, de hatékonyan lehet képes a mentésekben, akár a helyreállításokban részt venni – méghozzá emberi beavatkozás nélkül. Az otthoni felhasználása pedig szinte végtelen számú lehet.

Itt zárójelesen jegyzem meg a játékfejlesztési felhasználhatóságot, miszerint később az sem elképzelhetetlen, hogy mesterséges intelligenciával tesztelik majd a játékokat és nem emberekkel, amivel jócskán tudnának növelni a bugok-hibák kiszűrésének hatékonyságán és gyorsaságán.

Most persze ez még sci-finek tűnhet, az Uber AI Labs áttörésének köszönhetően viszont már nem is vagyunk olyan nagyon messze attól, hogy valósággá váljon.