بهزودی شاهد بازی فوتبال هوش مصنوعی DeepMind خواهید بود
به نظر میرسد که محققان آزمایشگاه بریتانیایی دیپمایند (DeepMind) هم فهمیدهاند، مشغول شدن با بازی شطرنج تا چه حد حوصلهسربر و کسالتبار است، زیرا این روزها به آموزش هوش مصنوعی جدید و بسیار جذابی مشغول شدهاند که میتواند فوتبال بازی کند، هرچندکه فعلا در مرحله آموزش اولیه آن به سر میبرند.
به گزارش هوشیو، بخش هوش مصنوعی دیپمایند به انساننماهای هوش مصنوعی آموزش داده که چگونه کار تیمی داشته باشند تا درنهایت بتوانند با هم فوتبال بازی کنند. محققان میگویند این گام مهمی در جهت ایجاد هوش مصنوعی در سطح انسان است.
محققان در آزمایشی که بهدنبال ارتقای هماهنگی میان سیستمهای هوش مصنوعی و ارائه مسیرهای جدید بهسمت ساختن هوش عمومی مصنوعی (AGI) داشتند، هوش مصنوعی شبیهسازیشده فیزیکی را برای انجام بازیهای دو در مقابل دو آموزش دادند. هوش عمومی مصنوعی، سطحی مشابه انسان دارد و زمانی که در سیستمی تعریف میگردد، سبب میشود آن دستگاه همچون انسان، جهان را درک کند. علاوهبراین قادر به یادگیری و انجام طیف وسیعی از کارها با ظرفیت انسانی است.
محققان DeepMind در یک پست وبلاگ نوشتند: «مأموران ما مهارتهایی ازجمله حرکت سریع، پاسدادن و تقسیمکار را به دست آوردند، که توسط طیف وسیعی از آمار نشان داده شده است.»
بازیکنان هم کنترل حرکتی با دقت بالایی را از خود نشان دادند و هم توانایی تصمیمگیری طولانیمدت، که شامل پیشبینی رفتار همتیمیها بوده و منجر به بازی تیمی هماهنگ میشود.
بازیکنان یاد گرفتند که برای بهدستآوردن توپ حریف را بزنند، توپ را به همتیمی خود پاس دهند و چطور در مقابل حریفان خود ضربه چیپ و تکل بزنند.
DeepMind ادعا میکند در آستانه دستیابی به هوش مصنوعی در سطح انسانی است
شبیهسازیهای جداگانه نشان داد که انساننماها یاد میگیرند چگونه کارهای پیچیدهای مانند پرتاب کردن و گرفتن توپ را با کمک بازوهای خود انجام دهند.
محققان DeepMind با یافتههای خود از قلمرو دیجیتالی توانستند، به رباتهای انساننما و سگ آموزش دهند، تا بهشیوهای طبیعی و قوی راه بروند و در بازی فوتبال دریبل بزنند.
به این تحقیق در مقالهای باعنوان «از کنترل حرکتی تا بازی تیمی در فوتبال شبیهسازیشده انساننما» که در مجله Science Robotics منتشر گردید، بهتفصیل پرداخته شد.
این تحقیق توضیح میدهد که چگونه این هوشهای مصنوعی برای تقلید از مهارتهای حرکتی خاص در فوتبال آموزش دیدهاند و اگر این حرکات منجر به بهبود عملکردی همچون گلزنی شود، پاداش دریافت میکنند. این کار مستلزم کنترل موتور، تصمیمگیری با افق بلندمدت و توانایی هماهنگی با سایر هوشهای مصنوعی بود.
در این مطالعه آمده است: «ما تیمهایی از عوامل را برای بازی فوتبال شبیهسازیشده تدارک دیدیم و از طریق یادگیری تقویتی، فضای تصمیمگیری را به حرکات قابلقبولی که با استفاده از دادههای ضبط حرکت انسان آموخته میشوند، بهینهسازی و محدود کردیم.»
نتیجه تشکیل تیمی از بازیکنان فوتبال انساننما بود، که قادر بودند رفتار پیچیدهای را در مقیاسهای مختلف از خود نشان دهند و این موضوع برمبنای طیف وسیعی از تحلیلها و آمارها، از جمله تحلیلهای ورزشی در دنیای واقعی اندازهگیری خواهد شد.
جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید