به گزارش روش سئو هوش مصنوعی در یک زمین بازی که یک محیط وسیع مملو از بازی های مختلف به نام ˮایکس لندˮ(XLand) است، آموزش می بیند تا قادر به انجام چندین کار مختلف و بازی های مختلف به صورت همزمان باشد.
به گزارش روش سئو به نقل از ایسنا و به نقل از آی ای، هوش مصنوعی(AI) هم اکنون بهترین بازیکنان جهان در بازی های مختلفی نظیر شطرنج را شکست داده است. حالا شرکت “دیپ مایند”(DeepMind) درحال آموزش سیستم هایی است که بتوانند بازی های مختلف را بدون احتیاج به داده های تجربی حاصل از بازی و تعامل با انسان انجام دهند.
در وبسایت این شرکت آمده است: ما یک محیط بازی وسیع ایجاد کردیم که آنرا “XLand” می نامیم و شامل خیلی از بازی های چند نفره در جهان های سه بعدی سازگار و قابل ارتباط با انسان است. این محیط امکان تدوین الگوریتم های یادگیری جدیدی را فراهم می آورد که به صورت پویا نحوه تمرین یک عامل و بازی هایی را که در آن تمرین می کند، کنترل می کند.
در ادامه آمده است: قابلیت های هوش مصنوعی به صورت مکرر بعنوان واکنشی در مقابل چالش هایی که در آموزش ایجاد می شود، بهبود می یابد و فرایند یادگیری به صورت مداوم وظایف آموزشی را بهبود می بخشد. ازاین رو یادگیری متوقف نمی گردد. در نتیجه یک هوش مصنوعی با توانایی موفقیت در طیف گسترده ای از وظایف حاصل می شود که از پس مشکلات ساده گرفته تا بازی های پیچیده به خوبی برمی آید.
اما این کار برای هوش مصنوعی چه معنایی دارد؟ این بدان معناست که میتوان عوامل جدیدی را ایجاد کرد که رفتارهایی را نشان دهند که به صورت گسترده در خیلی از وظایف کاربرد دارند و تنها به یک وظیفه محدود نیستند، به این مفهوم که آنها می توانند به سرعت با محیط های دائماً درحال تغییر سازگار شوند.
با این سیستم باید با مسئله کمبود داده های آموزشی خداحافظی کرد و به سیستم هایی که خودشان به تنهایی می آموزند و یادگیری تقویتی را باردیگر تعریف می کنند، سلام کرد.
اما “دیپ مایند” چگونه به این مهم دست یافت؟ این شرکت وظایف پویایی را ایجاد کرد که نه خیلی سخت بود و نه خیلی آسان و فقط برای آموزش مناسب بود. سپس از آموزش مبتنی بر جمعیت(PBT) برای تنظیم پارامترهای ایجاد وظیفه پویا بر مبنای آمادگی که هدف آن بهبود توانایی هوش مصنوعی است، استفاده کردیم. در نهایت هم چندین تمرین آموزشی را با هم به صورت زنجیره ای درمی آورد تا هر نسل از هوش مصنوعی بتواند در آن بیاموزد.
