Googles AI mestrer Space Invaders (men det stinker stadig på Pac-Man)

Få endnu en sejr til maskinerne. Software fra Googles DeepMind kunstig intelligens-gruppe har lært at spille det klassiske Atari 2600-spil Space Invaders til et overmenneskeligt niveau.

Google DeepMinds software tager imod det klassiske Atari 2600-spil Space Invaders.

Den nyhed kommer via en nyt papir i det videnskabelige tidsskrift Natur , som siger, at softwaren lærte at spille 22 klassiske Atari-titler bedre, end en ekspert, menneskelig videospiltester kunne. Værket opdaterer en tidligere papir på den samme software, der blev udgivet på en AI-konference i slutningen af ​​2013. Dengang fik softwaren syv titler, og den kunne kun overgå mennesker på tre. På det tidspunkt var DeepMind en uafhængig startup.

Ikke længe efter blev DeepMind opkøbt af Google for 628 millioner dollars, og Googles CEO Larry Page viste softwaren frem på TED-konferencen i 2014. MIT Technology Review dykkede ned i dets virke i en profil af DeepMinds leder Demis Hassabis i december sidste år (se Googles Intelligence Designer).

Hassabis' hold, ringede Google DeepMind , har nu udviklet en mere kompleks, tunet-up version af det dybe Q-netværk, der tog sig af 49 forskellige Atari-spil. At det blev en overmenneskelig spiller af 22 af dem, inklusive Space Invaders, understreger kraften i DeepMinds teknologi. Men den måde, den haltede menneskelig ydeevne på hos 20 andre, og kun matchede den for resten, er en påmindelse om, at selv denne usædvanligt dygtige software stadig kun har begrænset intelligens.

Det klassiske spil Ms. Pac-Man illustrerer pænt softwarens største begrænsning: det er ude af stand til at lægge planer så langt som et par sekunder frem. Det forhindrer systemet i at finde ud af, hvordan man kommer sikkert over en labyrint for at spise de sidste pellets og fuldføre et niveau. Det er heller ikke i stand til at lære, at spise visse magiske piller giver dig mulighed for at spise de spøgelser, som du ellers skal undgå for enhver pris.

DeepMinds software sidder i det væsentlige fast i nuet. Den ser kun tilbage på de sidste fire videorammer af spillet (kun en 15. af et sekund) for at lære, hvilke træk der betaler sig, eller hvordan man bruger sin tidligere erfaring til at vælge sit næste træk. Det betyder, at det kun kan mestre spil, hvor du kan gøre fremskridt ved hjælp af taktikker, der har meget umiddelbare gevinster. Det er begrænsende, selvom det fungerer godt til nogle Atari-spil. Alligevel har DeepMinds software vist sig at være i stand til at udarbejde tilsyneladende komplekse strategier, som at grave bolden rundt om bagsiden af ​​muren af ​​blokke i spillet Breakout, noget erfarne menneskelige spillere gør.

Hassabis siger, at hans team arbejder på at udvide softwarens opmærksomhed og hukommelse, samt at gøre det i stand til at udforske et spil mere systematisk end blot ved at lave tilfældige træk, som det gør i dag. Han siger, at sådanne justeringer burde gøre det muligt for softwaren at mestre meget mere komplekse miljøer. Arbejdet er allerede begyndt på at få det til at spille spil til Super Nintendo-konsollen og tidlige pc'er, hvoraf mange har simple 3-D-miljøer.

Test af mere og mere komplekse spil kunne endda give en bro til den virkelige verden. I sidste ende er ideen, at hvis denne algoritme kan køre en bil i et racerspil, vil den med et par tweaks være i stand til at køre en rigtig bil, sagde Hassabis på en pressekonference tirsdag.

Forvent dog ikke, at DeepMind-software tager rattet i en af ​​Googles selvkørende biler inden for kort tid. Det arbejde, der bliver gjort for at anvende gruppens forskning på problemer i den virkelige verden i dag, er fokuseret på virksomhedens kerneprodukter såsom søgning, mobilassistentfunktioner og oversættelse, siger Hassabis. Forestil dig, hvis du kunne bede Google-appen om noget så komplekst som: 'Okay, Google, planlæg mig en fantastisk rygsækrejse gennem Europa,' fortalte han. MIT Technology Review .

Tjenester som mobile assistenter og automatisk oversættelse er velkendte og brugbare i dag, men de kan være frustrerende begrænset. Software, der kan lære at slå dig ved videospil, kan være spændende, men dens første virkelige indvirkning på verden vil sandsynligvis bringe ny (man kan sige forsinket) polering til tjenester, vi allerede bruger.

skjule