Blizzard e DeepMind hanno creato un ambiente di test aperto all'interno del gioco StarCraft II che i ricercatori di intelligenza artificiale possono utilizzare in tutto il mondo.
DeepMind di Google ha annunciato che utilizzerà il gioco StarCraft II dello studio di sviluppo Blizzard come piattaforma di test per l’intelligenza artificiale (AI) e la ricerca sull’apprendimento automatico, aprendo l’ambiente in tutto il mondo.
L'annuncio, fatto durante la conferenza BlizzCon di Blizzard ad Anaheim domenica, ha visto entrambe le società costruire un ambiente di ricerca aperto che possa essere utilizzato da chiunque in tutto il mondo a partire dal 2017, così come da DeepMind si.
"Abbiamo lavorato a stretto contatto con il team di StarCraft II per sviluppare un'API che supporti qualcosa di simile ai bot precedenti scritti con un Interfaccia "script", che consente il controllo programmatico delle singole unità e l'accesso allo stato completo del gioco (con alcune nuove opzioni come BENE)," Ha detto DeepMind.
"Alla fine, gli agenti giocheranno direttamente dai pixel, quindi per arrivarci abbiamo sviluppato una nuova interfaccia basata su immagini che restituisce un'interfaccia semplificata dati di immagine RGB a bassa risoluzione per mappa e minimappa e la possibilità di suddividere le caratteristiche in "livelli" separati, come campo di altezza del terreno, tipo di unità, unità salute, ecc."
I due stanno anche lavorando alla creazione di “scenari curriculari” – una scala sempre più complessa attività in modo che i ricercatori di intelligenza artificiale di qualsiasi livello possano far funzionare il proprio sistema, confrontare algoritmi e avanzare. StarCraft II disporrà inoltre di strumenti di editing per garantire flessibilità e controllo ai ricercatori che vi prenderanno parte.
Secondo DeepMind, i videogiochi sono uno dei modi migliori per testare e sviluppare l'intelligenza artificiale, con la società che definisce StarCraft II "l'apice dei videogiochi competitivi 1v1".
"DeepMind ha la missione scientifica di ampliare i confini dell'intelligenza artificiale, sviluppando programmi in grado di imparare a risolvere qualsiasi problema complesso senza bisogno che gli venga detto come", ha affermato DeepMind.
"I giochi sono l'ambiente perfetto in cui farlo, permettendoci di sviluppare e testare in modo più intelligente algoritmi di intelligenza artificiale flessibili in modo rapido ed efficiente e forniscono anche un feedback immediato su come stiamo andando avanti punteggi."
DeepMind ha aggiunto di aver utilizzato anche giochi 2D su Atari e giochi complessi come Go per testare il suo sistema di intelligenza artificiale.
In primo piano
- Windows 10 è troppo popolare per il suo bene?
- 5 modi per trovare il posto migliore per iniziare la tua carriera
- Ecco come l’intelligenza artificiale generativa cambierà in meglio la gig economy
- 3 motivi per cui preferisco questo Android da $ 300 rispetto al Pixel 6a di Google
StarCraft II è più vicino all'ambiente del mondo reale di qualsiasi altro gioco utilizzato finora per i test, ha affermato DeepMind, poiché si gioca in tempo reale.
"Le competenze richieste a un agente per progredire nell'ambiente e giocare bene a StarCraft potrebbero alla fine essere trasferite ad attività del mondo reale", ha affermato.
Giocando a StarCraft, il sistema di intelligenza artificiale dovrà escogitare strategie in tempo reale per scegliere una delle tre razze distinte all'inizio del gioco; scegliere quando e come coltivare minerali e gas; decidere quando e quali edifici e unità costruire; ed esplorare aree invisibili della mappa e ricordare le informazioni di navigazione nel corso del gioco.
Un motore di intelligenza artificiale dovrebbe quindi sfruttare le capacità di memoria, mappatura, pianificazione a lungo termine e adattamento ai cambiamenti nel mondo. pianifica utilizzando informazioni che vengono continuamente raccolte, il che si traduce in pianificazione e rafforzamento gerarchici apprendimento.
Il mese scorso, i ricercatori di DeepMind hanno annunciato di aver sviluppato un’intelligenza artificiale che memorizza la conoscenza come una mappa, permettendogli di farlo navigare in sistemi così complicati come la metropolitana di Londra.
Il computer neurale differenziale (DNC) di DeepMind allena la sua memoria attraverso un processo che confronta le proprie risposte con quelle corrette, avvicinandosi ogni volta alla produzione stessa delle risposte corrette.
"Volevamo testare i DNC su problemi che implicavano la costruzione di strutture di dati e l'utilizzo di tali strutture di dati per rispondere alle domande. Le strutture dei dati dei grafici sono molto importanti per rappresentare elementi di dati che possono essere collegati arbitrariamente per formare percorsi e cicli," i ricercatori di DeepMind Alexander Graves e Greg Wayne spiegato in ottobre.
"Quando descrivevamo le stazioni e le linee della metropolitana di Londra, potevamo chiedere a un DNC di rispondere a domande del tipo: 'Partendo da Bond Street e prendendo la La linea centrale in una direzione per una fermata, la linea Circle in una direzione per quattro fermate e la linea Jubilee in una direzione per due fermate, a quale fermata ti avvicini su?'. Oppure, il DNC potrebbe pianificare percorsi in base a domande come "Come si arriva da Moorgate a Piccadilly Circus?".
Il DNC aveva una precisione media del 98,9% dopo aver aggiunto la memoria esterna.
DeepMind ha anche recentemente annunciato lo sviluppo di una rete neurale profonda in grado di produrre sintesi vocale simile a quella umana sistemi.
La rete neurale ha colmato il divario tra il parlato generato dalla macchina e quello umano di circa il 50%, ha affermato DeepMind a settembre, sia per il parlato in inglese americano che per quello in cinese mandarino.
DeepMind sta inoltre collaborando con il Servizio sanitario nazionale del Regno Unito per sperimentare l'uso dell'apprendimento automatico pianificare l’uso della radioterapia per i singoli pazienti affetti da cancro della testa e del collo, il che potrebbe migliorare i tempi di attesa per le procedure e liberare più tempo per i medici a livello nazionale.
"Per questi tumori, la segmentazione [pianificazione della radioterapia] può richiedere circa quattro ore. E anche se il team di specialisti dell'UCLH presso il suo centro dedicato al cancro della testa e del collo è leader nazionale in questo processo, esiste ancora potenziale di innovazione. Pensiamo che l'apprendimento automatico possa fare la differenza", ha affermato DeepMind a settembre.