Club

Videoherní enginy pomáhají vytvářet chytřejší AI

Vývojáři videoher touží používat umělou inteligenci, aby pomohli vytvořit věrohodné světy. Není tedy příliš překvapivé, že vědci nyní mohou používat některé ze stejných nástrojů pro tvorbu hry na trénování umělé inteligence.

PlayCool

 

Během přednášky na konferenci VentureBeat's Transform 2019 v létě, Unity Technologies viceprezident pro AI a strojové učení Danny Lange tvrdil, že herní enginy jsou ideální pro vytváření toho, čemu se říká skutečná počítačová inteligence - samoučící systémy schopné produkovat komplexní chování po krátké množství času. S herními enginy (jako je vlastní jednotný engin společnosti) můžete simulovat pravidla skutečného světa a testovat proti nim inteligentní agenty.

 

Dimenze herních enginů

Pokud o tom přemýšlíte, herní engine má tři dimenze, čas, fyziku. Má vše, s čím si musíte pohrát jako s hlavními prvky, které vedly k lidské inteligenci. Společnost prostřednictvím svého pluginu Unity ML-Agents Toolkit školila agenty v různých scénářích. Agenti získávají nové dovednosti a chování prostřednictvím posilování učení, kde jediná věc, kterou ví v daném virtuálním prostředí, je to, co je správné (dostávat odměnu za splnění úkolu) a co je špatné (dostávat penalizaci). Kromě toho je to prázdné pole působnosti.

Jeden příklad, který Lange ukázal, se týkal kuřete, které se pokoušelo přejít rušnou cestu. Cílem agenta bylo chytit dárky (odměna) roztroušené po úrovni, aniž by byly zasaženy automobily (trest). AI nejprve bojovala, když se naučila pravidla hry, ale po šesti hodinách opakovaného tréninku Lange uvedla, že se stala nadlidským s obratně uhýbajícími auty a sbírala přes 100 dárků v řadě.

 

 

Podle jiného scénáře měl agent pavouka jako avatara složeného z osmi kloubů a čtyř nohou. Umělá inteligence musela přijít na to, jak tyto části těla používat a ovládat, aby se mohla pohybovat vpřed. Výsledkem je trošku vtipný pohled (pavouci poskakují víc, než chodí), ale v budoucnu může tento druh zrychleného učení pomoci vývojářům her ušetřit nějaký čas při vytváření nehratelných postav.

 

Využít posilovací cvičení

Představte si programování, které musíte vytvořit - nějaké programování v jazyce Java, C #, C ++, Python, kdy naprogramování říká, který kloub se má přesunout, kdy a kolik. Nebo můžete nechat pavouka kroutit se asi hodinu a pomocí pokusů a omylů přijde na to, jak pohybovat čtyřmi nohami a osmi klouby v nějakém vzoru zleva doprava. Lange a jeho tým tuto myšlenku posunuli o krok dále s Puppo, virtuálním štěnětem psa. S využitím posilovacího učení a pohybu založeného na fyzice se Puppo naučil chodit, běhat, skákat a vytáhnout hůl. Vědci dokonce vytvořili jednoduchou hru (kde pohybujete myší), aby ukázali, jak efektivní je pes při získávání hůlky. V jiném demu Lange ukázala, co se stane, když dáte dohromady desítky individuálně vycvičených Puppo psů. Jejich cílem bylo pronásledovat misku plnou kostí na kolejové trati. Když běhali k míse (která se neustále pohybovala po trati), psi se stali konkurenceschopnými a začali se navzájem tlačit a vytvořili své vlastní zkratky.

 

Danny Lange, zdroj: Medium.com

 

Začátkem tohoto roku se Unity spojila se společností Google a vytvořila test strojového učení s Obstacle Tower, videohrou, kterou mohou hrát pouze agenti umělé inteligence. Skládá se ze 100 úrovní, které zpochybňují schopnost agenta procházet překážkami, včetně hádanek, komplikovaných rozvržení a nebezpečných nepřátel. Unity v současné době pořádá soutěž, aby zjistila, která umělá inteligence je nejdále. S překážkovou věží a dalšími projekty se společnost snaží prokázat, že v kombinaci s herními enginy může být učení účinnou metodou pro vytváření sofistikovaných umělých inteligencí. Koneckonců, je to stejný proces, jakým inteligentní život na naší planetě přežívá. Takto fungují děti. Takto fungujeme my. Tak fungují zvířata. V průběhu procesu učení přecházíte od toho, že nemáte ponětí o něčem, až k tomu, že tomu vlastně začnete rozumět.

 

 

Připravil: Radek Svoboda