Η AI της Nvidia δημιούργησε το Pac-Man από το μηδέν μετά από 50.000 ώρες παρακολούθησης

Η Nvidia είναι γνωστή για τις κάρτες γραφικών της, όμως διεξάγει σοβαρή έρευνα και στον τομέα της τεχνητής νοημοσύνης.

Το τελευταίο της επίτευγμα ο γνωστός σε όλους μας Pac-Man όπου ερευνητές της Nvidia δίδαξαν ένα σύστημα AI το οποίο κατάφερε να αναδημιουργήσει το δημοφιλές παιχνίδι απλά παρακολουθώντας το να παίζει, χωρίς κώδικα, χωρίς εικόνες παρά μόνο από τα οπτικά δεδομένα, καταπληκτικό έτσι;

Καλά μην φανταστείτε ότι η έκδοση AI είναι τέλεια. Οι εικόνες είναι θολές αφού όπως φαίνεται η AI δεν κατάφερε να κατανοήσει πλήρως την ακριβή συμπεριφορά των φαντασμάτων του παιχνιδιού αφού καθένα από αυτά έχει προγραμματιστεί με μια συγκεκριμένη προσωπικότητα που υπαγορεύει την κίνησή του. Αλλά η βασική δομή του παιχνιδιού είναι αυτή : Φάε κουκκίδες, απόφυγε τα φαντάσματα και προσπάθησε να μην τα κακαρώσεις.

Ο Lebaredian, ερευνητής είπε ότι το έργο έγινε σε συνεργασία με τον δημιουργό του Pac-Man , Bandai Namco, ο οποίος γιορτάζει σήμερα την 40ή επέτειο του κλασικού arcade.

Το επίτευγμα αυτό της Nvidia είναι πολύ καθοριστικό αφού από ότι φαίνεται η τεχνητή νοημοσύνη μπορεί να παίξει καθοριστικό ρόλο για το σχεδιασμό των παιχνιδιών στο μέλλον. Οι προγραμματιστές μπορούν να εισάγουν το έργο τους στο AI και να το χρησιμοποιήσουν για να δημιουργήσουν παραλλαγές ή ίσως να σχεδιάσουν νέα επίπεδα. «Θα μπορούσατε να χρησιμοποιήσετε AI για να συνδυάσετε διαφορετικά παιχνίδια μαζί», δήλωσε η Sanja Fidler, διευθύντρια του ερευνητικού εργαστηρίου της Nvidia στο Τορόντο, σε δημοσιογράφους, «δίνοντας επιπλέον δύναμη στους προγραμματιστές παιχνιδιών [αφήνοντάς τους] να συνδυάζουν διαφορετικά παιχνίδια».

Η τεχνητή νοημοσύνη μπορεί να μάθει τους κανόνες ενός εικονικού κόσμου απλώς παρακολουθώντας.

Το πρόγραμμα που δημιούργησε ξανά το Pac-Man ονομάζεται GameGAN. Το GAN σημαίνει δημιουργικό δίκτυο αντιπαραθέσεων και είναι μια κοινή αρχιτεκτονική που χρησιμοποιείται στη μηχανική μάθηση. Η βασική αρχή ενός GAN είναι ότι λειτουργεί σε δύο στάδια. Το πρώτο στάδιο προσπαθεί να αναπαράγει τα δεδομένα εισόδου, ενώ το δεύτερο στάδιο το συγκρίνει με την αρχική πηγή. Εάν δεν ταιριάζουν, τα δεδομένα που δημιουργούνται απορρίπτονται και η γεννήτρια τροποποιεί την εργασία της και τα υποβάλλει ξανά.

Ορισμένα στοιχεία της διαδικασίας χρειάζονται σίγουρα μικροαλλαγές και δείχνουν την αδυναμία της τεχνητής νοημοσύνης όταν μαθαίνει νέες εργασίες, καθώς όμως διαρκώς εξελίσσεται και έχει τη δυνατότητα να μαθαίνει από τα λάθη της και να διορθώνει τις αδυναμίες, σίγουρα κάποια μέρα θα είναι έτοιμη να αναλάβει και να φέρει εις πέρας οποιαδήποτε εργασία της ανατεθεί.

[via]