Ontwikkelaars van DeepMind en Carnegie Mellon University besloten om een interessante benadering van leren te gebruiken. Talen leren door AI is nogal vervelend, dus besloten wetenschappers dat het beter zou zijn als de kunstmatige intelligentie de basisprincipes van het zelfstandig gebruiken van de taal leert - hiervoor plaatsten de onderzoekers twee neurale netwerken in een arcadespel en lieten ze hakken totdat ze blauw worden, waarbij ze individuele objecten met andere kenmerken matchen met die totdat ze de taal beginnen te begrijpen.
Dus programma's, die op miljoenen verschillende manieren probeerden het gewenste resultaat te bereiken, leerden bepaalde woorden te associëren met objecten en hun kenmerken en begonnen te werken met verschillende concepten, zoals 'groter' of 'kleiner', en begonnen soortgelijke externe objecten te onderscheiden van de spelomgeving. De kunstmatige intelligentie kon dus de opgedane kennis toepassen in onbekende situaties, kolommen en andere objecten van dezelfde kleur tegenkomen in het spel, maar volgens de opdracht ging het naar de kolommen, hoewel ze ze nog niet eerder had gezien.
"Het uiteindelijke doel is om de AI te helpen bij het overdragen van de kennis die is opgedaan met het spel naar andere gebieden van zijn activiteit", zegt Devendra Chaplot, MA, Carnegie Mellon University, die een presentatie gaf over het werk van het team.
Videogames worden door ontwikkelaars bij DeepMind ook voor andere doeleinden gebruikt. Met behulp van het Sokoban-spel wordt AI bijvoorbeeld de verbeeldingskracht aangeleerd - alvorens de volgende zet te doen, berekent het programma zelf de mogelijke opties "in gedachten" en maakt het de juiste keuze.
Viacheslav Larionov
