[ad_1]

در طول تمرین ، بازیکنان ابتدا با بازی های تک نفره ساده مانند پیدا کردن مکعب بنفش یا قرار دادن یک توپ زرد بر روی زمین قرمز ، تا بازی های چند نفره پیچیده تر مانند مخفی کاری یا پرچم گیری ، که تیم ها ابتدا برای پیدا کردن و گرفتن پرچم حریف خود را مدیر زمین بازی هدف خاصی ندارد ، اما هدف آن بهبود توانایی کلی بازیکنانش در طول زمان است.

چرا این باحال است؟ هوش مصنوعی مانند AlphaZero DeepMind بهترین بازیکنان جهان در شطرنج و Go را شکست داد. اما آنها می توانند فقط یک بازی را در یک زمان یاد بگیرند. همانطور که شین ل ، بنیانگذار DeepMind گفت ، وقتی من سال گذشته با او صحبت کردم ، مانند این است که هر بار که می خواهید بازی ها را تغییر دهید ، مغز شطرنج خود را با مغز Go تغییر دهید.

در حال حاضر محققان در حال تلاش برای ایجاد هوش مصنوعی هستند که می تواند چندین کار را به طور همزمان یاد بگیرد ، این بدان معناست که به آنها مهارت های مشترکی را یاد می دهد که سازگاری با کارهای جدید را آسان تر می کند.

ویدیویی از آزمایش عوامل هوش مصنوعی در یک محیط مجازی
این رباتها پس از یادگیری آزمایش ، یک سطح شیب دار را بداهه کردند

عمیق

یک روند هیجان انگیز در این راستا آموزش های باز است ، جایی که هوش مصنوعی برای بسیاری از کارهای مختلف و بدون هدف خاص آموزش می بینند. به نظر می رسد که از بسیاری جهات انسان و حیوانات از طریق بازی بی هدف یاد می گیرند. اما این به حجم زیادی داده نیاز دارد. XLi این داده ها را به صورت جریان بی پایان چالش ها به صورت خودکار تولید می کند. این شبیه POET است ، یک دوژوی آموزشی AI ، که در آن ربات های دو پا یاد می گیرند که در چشم انداز دو بعدی از موانع عبور کنند. دنیای XLi بسیار پیچیده تر و دقیق تر است.

XLi همچنین نمونه ای از یادگیری هوش مصنوعی برای انجام خود است یا چیزی که جف کلون ، که به توسعه POET و رهبری تیمی که روی OpenAI کار می کند ، کمک می کند ، الگوریتم های تولید هوش مصنوعی (AI-GAs) می نامد. کلون می گوید: “این کار مرزهای AI-GA را پیش می برد.” “دیدن بسیار هیجان انگیز است.”

[ad_2]

منبع: unbox-khabar.ir

ایندکسر