Utvecklare från DeepMind och Carnegie Mellon University beslutade att använda en intressant strategi för lärande. Att lära sig AI-språk är ganska tråkigt, så forskarna bestämde sig för att det skulle vara bättre om den konstgjorda intelligensen lär sig de grundläggande principerna för att använda språket på egen hand - för detta satte forskarna två nervnätverk i ett arkadspel och fick dem att hugga tills de blir blå och jämför jämställda objekt med olika egenskaper till de tills de börjar förstå språket.
Så, program som försökte uppnå önskat resultat på miljontals olika sätt, lärde sig att associera vissa ord med objekt och deras egenskaper och började arbeta med olika koncept, till exempel "större" eller "mindre", till exempel, och började skilja externa objekt från spelmiljön. Så den artificiella intelligensen kunde tillämpa den kunskap som erhållits i okända situationer och möta kolumner och andra föremål av samma färg i spelet, men enligt uppdraget gick det till kolumnerna, även om det inte hade sett dem tidigare.
"Det ultimata målet är att hjälpa AI att översätta kunskapen från spelet till andra områden av dess verksamhet," säger Devendra Chaplot, MA, Carnegie Mellon University, som gav en presentation om lagets arbete.
Videospel används av utvecklare på DeepMind också för andra ändamål. Med hjälp av Sokoban-spelet, till exempel, lärs AI att föreställa sig - innan programmet gör nästa drag, beräknar själva programmet de möjliga alternativen "i åtanke" och gör rätt val.
Viacheslav Larionov
