Невронната мрежа AlphaStar победи професионалистите на StarCraft II с резултат 10:1
DeepMind, дъщерната компания на Alphabet, профилирана в развиването на изкуствения разсъдък, направи нов пробив в тази област: за първи път ИИ съумя изрично да победи индивида в тактиката StarCraft II . През месец декември 2018 година конволюционната невронна мрежа AlphaStar безусловно е размазала професионалните геймъри TLO (Дарио Вюнш от Германия) и MaNa (Гжегош Коминц от Полша), като ги победи 10 пъти поред. Компанията разгласи това събитие през вчерашния ден и сподели геймплея в YouTube и Twitch.
Както хората, по този начин и програмата с детайли на изкуствен интелект играят като протоси. TLO не е профилиран в тази раса, само че MaNa оказва съществено противодействие и даже печели една игра.
За StarCraft от дълго време се създават ботове и даже има надпревари сред сходни стратегии, само че до момента логаритмите не можеха да победят индивида. Въпреки че невронната мрежа AlphaGo победи първенците на играта Го, която се считаше прекомерно комплицирана за машините, със тактиките в действително време всичко е напълно друго. Игрите от вида на StarCraft II са игри с непълна информация, в които геймърите не могат да видят дейностите на своя съперник. В тези игри на процедура няма оптимална тактика. Изисква се време, с цел да се схванат дейностите на съперника. DeepMind сподели единствено, че е употребена нова профилирана архитектура за невронни мрежи, която демонстрира зачатъци на стратегическо мислене.
Компанията DeepMind публично показва, че тяхната нова стратегия с детайли на изкуствен интелект AlphaStar може да победи професионалните геймъри. При основаването на AlphaStar е употребен способ за надълбоко машинно образование с противоположна връзка. Използвани са предоставените от Blizzard анонимни записи на игри на действителни геймъри. Обучената благодарение на тези записи невронна мрежа се е научила да побеждава логаритмите на StarCraft II, настроени на най-висока трудност, в 95% от игрите. След това експертите на DeepMind са предиздвикали програмата да играе сама със себе си. AlphaStar се е обучавала да играе като протос в среда с име AlphaStar League. Интересно е, че образованието в средата AlphaStar League е траяло 14 дни, което е еквивалентно на 200 години действителна игра StarCraft II.
Невронната мрежа в началото печели пет поредни мача против TLO, а по-късно друга версия на същата невронна мрежа побеждава пет пъти поред MaNa. И двамата експерти са включени в топ-100 на най-силните в света професионални играчи на StarCraft II. Любопитно е, че APM (средният брой дейности в минута) на невронната мрежа е доста по-малък от този на нейните съперници.
DeepMind сподели видео, демонстриращо какво вижда ИИ и какво – MaNa.
В първата гейм сесия TLO играе против пет разнообразни версии на AlphaStar. Професионалният геймър се оплака, че не може да се приспособява към играта на съперника. Резултатът е 5:0 за AlphaStar.
След една седмица, след оптимизация на настройките, стартират мачовете с MaNa. Програмата още веднъж печели пет игри подред, само че професионалният геймър я побеждава в последния 6-ти мач и има с какво да се гордее.
Първата част на StarCraft също е комплицирана задача за методите на дълбокото машинно образование. През месец октомври 2017 година Фейсбук сподели собствен бот за тази игра, само че той се оказа даже по-слаб от стратегиите на феновете програмисти. Но AlphaStar е нещо напълно друго и работи на напълно ново равнище.
За да разбере правилата на стратегическото обмисляне, AlphaStar е трябвало да усвои нова логичност на мисленето. Методите, създадени за тази игра могат да се окажат потребни и в практиката – в търговията и във военното обмисляне.
Ограничеността от образованието посредством игри
DeepMind е известна със своя програмен продукт с детайли на изкуствен интелект, който победи всички първенци по шах и Го. Видеоигрите са един отличен метод да се мери напредъка в региона на изкуствения разсъдък. Но това е една доста тясна област – както и всички предишнi стратегии от този вид, AlphaGo може да извършва единствено една задача, въпреки и необикновено добре.
Редица специалисти в тази област са на мнение, че тясноспециализираното потребление на ИИ нямат нищо общо с един мощен изкуствен интелект. „Програмите, които могат майсторски и безчовечен добре да играят съответна видеоигра или настолна игра, напълно се срутват и при най-малка смяна на изискванията – да вземем за пример, смяна на фона на екрана“ – сподели професор Мелъни Мичъл от университета в Портланд. „Тези неточности могат да бъдат както смешни и безвредни, по този начин и катастрофални„.
Мичъл смята, че конкуренцията в комерсиализацията на на ИИ сa оказали голям напън върху експертите по изкуствен интелект, които основават системи работещи „достатъчно добре“ в тясноспециализирани задания. Но основаването на благонадежден ИИ изисква по-задълбочено познаване на нашите лични качества и ново схващане на когнитивните механизми.
„Нашето лично разбиране и схващане на всяка една съответна обстановка, с която се сблъскваме, се базира на нашите човешки интуитивни общи понятия на това, по какъв начин е организиран сетът, на разбирането на задачите, претекстовете и евентуалното държание на другите живи същества, изключително другите хора. Освен това, нашето схващане на света се базира на нашите съществени качества да обобщаваме това, което знаем, да формираме нереални концепции и вършим аналогии – т.е., гъвкаво да приспособяваме нашите концепции към новите обстановки. В продължение на десетилетия учените опитват с обучаването на ИИ на на здрав смисъл и устойчиви качества към обобщаване. Но към този момент напредъкът в това отношение е нищожен„.
Невронната мрежа AlphaStar към този момент умее да играе единствено като протос. Но разработчиците оповестиха проектите си напълно скоро да я обучат да играе и за другите раси.
Както хората, по този начин и програмата с детайли на изкуствен интелект играят като протоси. TLO не е профилиран в тази раса, само че MaNa оказва съществено противодействие и даже печели една игра.
За StarCraft от дълго време се създават ботове и даже има надпревари сред сходни стратегии, само че до момента логаритмите не можеха да победят индивида. Въпреки че невронната мрежа AlphaGo победи първенците на играта Го, която се считаше прекомерно комплицирана за машините, със тактиките в действително време всичко е напълно друго. Игрите от вида на StarCraft II са игри с непълна информация, в които геймърите не могат да видят дейностите на своя съперник. В тези игри на процедура няма оптимална тактика. Изисква се време, с цел да се схванат дейностите на съперника. DeepMind сподели единствено, че е употребена нова профилирана архитектура за невронни мрежи, която демонстрира зачатъци на стратегическо мислене.
Компанията DeepMind публично показва, че тяхната нова стратегия с детайли на изкуствен интелект AlphaStar може да победи професионалните геймъри. При основаването на AlphaStar е употребен способ за надълбоко машинно образование с противоположна връзка. Използвани са предоставените от Blizzard анонимни записи на игри на действителни геймъри. Обучената благодарение на тези записи невронна мрежа се е научила да побеждава логаритмите на StarCraft II, настроени на най-висока трудност, в 95% от игрите. След това експертите на DeepMind са предиздвикали програмата да играе сама със себе си. AlphaStar се е обучавала да играе като протос в среда с име AlphaStar League. Интересно е, че образованието в средата AlphaStar League е траяло 14 дни, което е еквивалентно на 200 години действителна игра StarCraft II.
Невронната мрежа в началото печели пет поредни мача против TLO, а по-късно друга версия на същата невронна мрежа побеждава пет пъти поред MaNa. И двамата експерти са включени в топ-100 на най-силните в света професионални играчи на StarCraft II. Любопитно е, че APM (средният брой дейности в минута) на невронната мрежа е доста по-малък от този на нейните съперници.
DeepMind сподели видео, демонстриращо какво вижда ИИ и какво – MaNa.
В първата гейм сесия TLO играе против пет разнообразни версии на AlphaStar. Професионалният геймър се оплака, че не може да се приспособява към играта на съперника. Резултатът е 5:0 за AlphaStar.
След една седмица, след оптимизация на настройките, стартират мачовете с MaNa. Програмата още веднъж печели пет игри подред, само че професионалният геймър я побеждава в последния 6-ти мач и има с какво да се гордее.
Първата част на StarCraft също е комплицирана задача за методите на дълбокото машинно образование. През месец октомври 2017 година Фейсбук сподели собствен бот за тази игра, само че той се оказа даже по-слаб от стратегиите на феновете програмисти. Но AlphaStar е нещо напълно друго и работи на напълно ново равнище.
За да разбере правилата на стратегическото обмисляне, AlphaStar е трябвало да усвои нова логичност на мисленето. Методите, създадени за тази игра могат да се окажат потребни и в практиката – в търговията и във военното обмисляне.
Ограничеността от образованието посредством игри
DeepMind е известна със своя програмен продукт с детайли на изкуствен интелект, който победи всички първенци по шах и Го. Видеоигрите са един отличен метод да се мери напредъка в региона на изкуствения разсъдък. Но това е една доста тясна област – както и всички предишнi стратегии от този вид, AlphaGo може да извършва единствено една задача, въпреки и необикновено добре.
Редица специалисти в тази област са на мнение, че тясноспециализираното потребление на ИИ нямат нищо общо с един мощен изкуствен интелект. „Програмите, които могат майсторски и безчовечен добре да играят съответна видеоигра или настолна игра, напълно се срутват и при най-малка смяна на изискванията – да вземем за пример, смяна на фона на екрана“ – сподели професор Мелъни Мичъл от университета в Портланд. „Тези неточности могат да бъдат както смешни и безвредни, по този начин и катастрофални„.
Мичъл смята, че конкуренцията в комерсиализацията на на ИИ сa оказали голям напън върху експертите по изкуствен интелект, които основават системи работещи „достатъчно добре“ в тясноспециализирани задания. Но основаването на благонадежден ИИ изисква по-задълбочено познаване на нашите лични качества и ново схващане на когнитивните механизми.
„Нашето лично разбиране и схващане на всяка една съответна обстановка, с която се сблъскваме, се базира на нашите човешки интуитивни общи понятия на това, по какъв начин е организиран сетът, на разбирането на задачите, претекстовете и евентуалното държание на другите живи същества, изключително другите хора. Освен това, нашето схващане на света се базира на нашите съществени качества да обобщаваме това, което знаем, да формираме нереални концепции и вършим аналогии – т.е., гъвкаво да приспособяваме нашите концепции към новите обстановки. В продължение на десетилетия учените опитват с обучаването на ИИ на на здрав смисъл и устойчиви качества към обобщаване. Но към този момент напредъкът в това отношение е нищожен„.
Невронната мрежа AlphaStar към този момент умее да играе единствено като протос. Но разработчиците оповестиха проектите си напълно скоро да я обучат да играе и за другите раси.
Източник: kaldata.com
КОМЕНТАРИ