Udviklere fra DeepMind og Carnegie Mellon University besluttede at bruge en interessant tilgang til læring. At lære AI-sprog er temmelig trættende, så forskere besluttede, at det ville være bedre, hvis den kunstige intelligens lærer de grundlæggende principper for at bruge sproget på egen hånd - for dette placerede forskerne to neurale netværk i et arkadespil og fik dem til at hugge, indtil de bliver blå, sammenligner de enkelte objekter med forskellige egenskaber med dem indtil de begynder at forstå sproget.
Så programmer, der forsøgte at opnå det ønskede resultat på millioner af forskellige måder, lærte at forbinde visse ord med objekter og deres egenskaber og begyndte at operere med forskellige koncepter, såsom "større" eller "mindre", for eksempel, og begyndte at skelne lignende udvendige objekter fra spilmiljøet. Så kunstig intelligens var i stand til at anvende den viden, der blev opnået i ukendte situationer, ved at støde på kolonner og andre objekter af samme farve i spillet, men ifølge opgaven gik den til kolonnerne, selvom den ikke havde set dem før.
”Det endelige mål er at hjælpe AI med at overføre den viden, der er opnået fra spillet til andre områder af dets aktivitet,” siger Devendra Chaplot, MA, Carnegie Mellon University, som holdt en præsentation om holdets arbejde.
Videospil bruges også af udviklere på DeepMind til andre formål. Ved hjælp af Sokoban-spillet læres AI for eksempel at forestille sig - inden programmet tager det næste træk, beregner selve programmet de mulige muligheder "i tankerne" og træffer det rigtige valg.
Viacheslav Larionov
