Американские специалисты продемонстрировали алгоритм IMPALA, способный успешно играть в компьютерную игру с виртуальными лабиринтами. Благодаря примененному специалистами новому подходу искусственный интеллект оказался способен справляться с этой задачей значительно лучше, чем существовавшие ранее алгоритмы.
фото: pixabay.com
На первый взгляд значимость полученных результатов можно очень сильно недооценить — люди, играющие в компьютерные игры, часто играют против не настоящих противников, а «искусственного интеллекта». Впрочем, в случае подобных противников это словосочетание не слишком применимо и является своего рода данью традиции. Поведение «компьютера» в данном случае программируется и в любой ситуации, не предусмотренной разработчиками игры, программа не может «самостоятельно» найти решение. В то же время, искусственный интеллект, который по нынешним меркам можно назвать «настоящим», способен обучаться тем или иным действиям, получая «очки» в случае успеха или «штрафные балы» в случае ошибок. При этом он не имеет доступа к внутреннему коду игры и учится играть в неё методом проб и ошибок практически так же, как это делал бы человек.
В прошлом алгоритмы, подобные представленному недавно, уже успешно демонстрировали способность преодолевать лабиринты с расположенными в них порталами — подобное видео появлялось уже два года назад. Уже тогда специалисты утверждали, что от демонстрируемой алгоритмом способности ориентироваться в виртуальном лабиринте не слишком далеко до возможности искать дорогу в реальном мире.
Тем не менее, теперь специалисты сообщают, что их искусственный интеллект вышел на принципиально новый уровень — игру он проходит в десять раз эффективнее, а очков набирает вдвое больше, чем существовавшие ранее алгоритмы. Это происходит благодаря тому, что система состоит из двух «учеников», анализирующих различную информацию, а затем обменивающихся между собой результатами.
Специалисты заявляют, что IMPALA, в отличие от большинства своих «предшественников», в меньшей степени нацелен на решение конкретной задачи, что позволяет ему ещё легче адаптироваться к изменившимся условиям.