Ученые создали виртуального агента и научили играть в Doom во сне
Новости
Исследователи заставили компьютер «уснуть» и при помощи нейронной сети увидеть во «сне» игровой мир по мотивам Doom 1993 года. Затем ученые создали виртуального агента, чтобы он обучался играть в «приснившемся» игровом мире.
2К открытий2К показов
Исследователи Дэвид Ха (David Ha) из Google Brain и Юрген Шмидхубер (Jürgen Schmidhuber) заставили компьютер «уснуть» и при помощи нейронной сети увидеть во «сне» игровой мир по мотивам Doom 1993 года. Затем ученые создали виртуального агента, чтобы он в «приснившемся» мире научился играть в оригинальный Doom.
Как это работает?
Смоделированный виртуальный агент обладает визуальным сенсором, который транслирует «увиденное» в код. Также у него есть память, которая составляет прогноз на будущий код, основываясь на уже полученной информации. Далее виртуальный агент при помощи компонента принятия решений определяет, что делать на основе имеющихся представлений.
Окружающая среда передает входные наблюдения высокого разрешения на каждом временном шаге. Эти данные обычно представляют собой двумерные кадры изображения в форме видеоряда.
Данная модель машинного обучения позволяет агенту в его собственном мире Doom уворачиваться от огненных шаров:
На данный момент этот блок не поддерживается, но мы не забыли о нём!Наша команда уже занята его разработкой, он будет доступен в ближайшее время.
Также любой пользователь может понаблюдать в интерактивной демо-версии, как виртуальный агент справляется с задачей.
Ученые заявляют, что данный эксперимент может принести в будущем практическую пользу для видеоигр. Например, такой подход может помочь движкам в ААА-играх справляться со сложными вычислениями в фоновом режиме.
Напомним, что ранее ученые из университета Карнеги-Меллона обучили нейронную сеть в видеоигре Doom играть в режим «deathmatch».
2К открытий2К показов
Человека они не заменят, но составить документацию, отрефакторить код и проверить синтаксис — вполне могут.
Исследование показало, что помощники, такие как Copilot, пишут код, который по качеству похож на «хаотичную работу неопытного аутсорсера».
Исследуем этику искусственного интеллекта. Раскроем, как формируются этические нормы, регулирующие решения ИИ-систем. Кто ответственен за действия интеллектуальных машин: разработчики, пользователи или государство?
Полтора года работы над проектом с десятками нейронных сетей позволили собрать ценные лайфхаки по внедрению, оптимизации и совместимости моделей. Статья помогает понять, как избежать распространённых ошибок и найти решения текущий проблем.