Популярная игра Minecraft внезапно стала одним из наиболее перспективных инструментов для обучения искусственного интеллекта. Как и почему это произошло и зачем алгоритмам играть в видеоигры - разбираемся вместе с WIRED.
С помощью таких игр, как Minecraft, ИИ учится ориентироваться в трехмерном пространстве — а это важный навык для взаимодействия с реальным миром.
Игры — это и идеальная платформа для обучения, которая существует автономно. Адриан Гайдон, исследователь из Xerox, отмечает, что ИИ хуже любого ребенка — ему нужно объяснять все с нуля. У людей обычно нет на это ни времени, ни терпения. В видеоиграх такой проблемы не существует — игровой процесс может повторяться снова и снова, сколько бы попыток ни предпринимал игрок.
Самой простой задачей в подготовке алгоритма AlphaGo от DeepMind было загрузить в память системы все записи всех игр в го, какие только есть. Это действительно просто, так как не требует комплексной работы. А, например, обучить автомобиль вождению по такому же принципу не получится, так как даже сбор нужных данных потребует колоссального труда. Известно, что Google потратила миллионы на испытание своих робомобилей. Не все компании могут себе это позволить. Видеоигры — отличный и демократичный способ собрать большое количество данных за сравнительного короткий срок.
В Xerox, например, используют игровой движок Unity, чтобы знакомить нейронную сеть с окружающим миром. Ей предлагают изображения машин, дорог и тротуаров из игр так, чтобы она могла распознать их и в реальности. А ИИ в этом вопросе довольно легко обмануть.
Microsoft тренирует ИИ с помощью Minecraft
Идеи
Искусственный интеллект постепенно входит во вкус. Алгоритм от Google уже может играть в игры Atari, другие ИИ-системы проходят уровни в Super Mario. Постепенно алгоритмы совершенствуются настолько, что уже могут обучать другие компьютерные программы.
Что касается Minecraft, то в нем ИИ живет своей жизнью и выполняет целый комплекс задач. Оценка ситуации, взаимодействие со средой, расположение блоков, создание предметов и общение с другими программами — это во многом напоминает комплексность реального мира. Исследователи полагают, что на примере игры алгоритм обзаведется базовыми навыками мышления, необходимыми в реальном мире.
Но, конечно, переход от игры к реальности будет непростым. Игровые аватары двигаются не так, как люди, а игровые миры рассчитаны на то, чтобы быть простыми и понятными, а не максимально правдоподобными. Кроме того, пространственное восприятие алгоритма и человека совершенно различно.
Искусственный интеллект быстрее учится на видеоиграх
Идеи
Ученым осталось только понять, как ИИ формирует свое понимание окружающей среды, какую форму она принимает в «воображении» алгоритма. Вполне вероятно, что эти образы совершенно отличаются от тех, что знакомы людям.
Это доказывает целый ряд примеров. Недавнее исследование ScanLAB Projects, показало, как видят мир беспилотные автомобили с лазерным зрением. Параллельный пейзаж, состоящий из призраков и смутных изображений — такое видение больше похоже на галлюцинацию. Так что есть шанс, что ИИ научится понимать мир во всем его многообразии, вот только наши взгляды не совпадут.