Israelíes que los desarrolladores puedan enseñar a ia conquistar a la persona en el Mortal Kombat

3D-entorno difícil para la percepción débil de la forma de la ia, lo que conlleva problemas de pc al paso de estos juegos

Con la ayuda de los videojuegos modernos especialistas en inteligencia artificial van a enseñar técnicas de ia para superar los obstáculos y resolver problemas sobre la marcha. Por ejemplo, el personal de DeepMind, junto con Blizzard han convertido StarCraft II en el entorno para el aprendizaje de la débil forma de la ia. El año pasado, el sistema de inteligencia artificial de Google de forma independiente dominó 49 viejos juegos de Atari.

Y no se trata de un sistema integrado en el juego (como la ia de los enemigos en файтингах, simuladores de fútbol o simuladores de carreras), que conocen las reglas y condiciones. La ia, que enseñan a los desarrolladores de juegos de ordenador ahora, puesto en un plano de igualdad con el hombre la condición. El sistema vela por la imagen de la pantalla, estudiando los métodos de ensayo y error. Y este programa es capaz de encontrar una solución que no sólo en los juegos, es adecuado para la búsqueda de soluciones en la más amplia gama de tareas, con independencia de las reglas o condiciones.


Un grupo de estudiantes de la universidad Tecnológica de israel dijo recientemente acerca de su desarrollo, el sistema de Retro Learning Environment (RLE). Es una plataforma de software que permite enseñar a la ia en el ejemplo de muchos de los juegos de los 90, entre ellos, los que salían para las consolas de Nintendo y Sega. Es, por ejemplo, a muchos conocidos de F-Zero, Wolfenstein, y Mortal Kombat. Según los desarrolladores, para ia mayoria de los juegos resultaron difíciles, algunos sistema y no ha aprendido a entender y seguir. Pero RLE bien aprendió a jugar al Mortal Kombat. Los resultados de su trabajo, los especialistas detallan en el artículo en arXiv. La ia en repetidas ocasiones pudo rotundamente a ganar el enemigo-humanos. Y este enemigo fue de ninguna manera es un principiante. En el artículo se indica que el equipo se había enfrentado a un jugador de Mortal Kombat.

En Wolfenstein, donde voluminosos de los niveles, además, debe orientarse al paso del laberinto y definir una serie de objetos, el sistema ha demostrado que no es demasiado buen resultado. En Gradius III RLE pueda estudiar los aspectos técnicos del juego, que incluyen la necesidad de la destrucción se encuentran los enemigos con las acciones posteriores. Pero el sistema no fue capaz de mostrar mejores resultados que el jugador humano. Aquí es necesario mejorar la capacidad del personaje citado de artefactos. Cuanto más artefactos jugador pierde — tanto más difícil es pasar el juego. El equipo casi no prestaba atención a un power-up de los objetos, que mucho ha complicado el proceso de aprobación.

El hecho de que el programa ha sido capaz de aprender a jugar a un juego tan bien que se convirtió en ganar en los seres humanos — la indudable mérito de desarrollo. Para el equipo de aprender a través del juego de ensayo y error no es tan fácil, es una tarea difícil, que superan pocas plataformas de software. "Si los algoritmos pueden jugar en el juego, podemos empezar a trabajar en la implementación de estos sistemas en el mundo real, para la solución de problemas reales", dijo shay rosenberg, uno de los autores del estudio. "Así como el niño aprende a jugar, el equipo también sólo ve la información en la pantalla. Ellos (y el niño y el ordenador) aprenden a evitar los obstáculos y resolver problemas para obtener el máximo de la remuneración", continúa.



La ia no está mal aprendido a jugar como en el Boxing en Atari, y en el Mortal Kombat, simplemente "mirar a la pantalla y evaluar las consecuencias de sus acciones en un ambiente de juego

En el mundo real, la capacidad de los sistemas informáticos de aprender de sus errores y predecir los efectos de algunas "acciones" puede ser útil en muchas áreas. Los robots pueden navegar por el complejo espacios (pasillos exteriores, por ejemplo) con una gran cantidad de obstáculos sin chocar con ellos. Cualquier pequeño error cometido por el ordenador, se les tendrán en cuenta la próxima vez que ejecute el mismo o similar tarea.

Según rosenberg, RLE, se puede aprender a ser más complejos sistemas de juego, y no sólo de jugar a la SNES juegos. La siguiente etapa del proyecto será la asimilación de los juegos de la plataforma PlayStation. La verdad es que israelíes y los desarrolladores se centraron en cómo enseñar a su sistema de pasar la mayor parte de осваиваемых juegos. Lo que el equipo ha aprendido a jugar Mortal Kombat esta bien, pero no es suficiente, todavía una gran parte de los juegos "se ha quedado fuera", RLE no lograron dominar.



Los resultados del paso de diferentes juegos el sistema RLE con el uso de diferentes algoritmos de paso

"En las etapas posteriores creemos posible y relativamente fácil la adaptación de nuestro aprendizaje, los sistemas más complejos de los juegos, incluyendo, por ejemplo, Grand Theft Auto", dijeron los desarrolladores. Ahora, por desgracia, el juego tipo Grand Theft Auto V ia no están disponibles — demasiado son complejos.

El código fuente de su sistema de los desarrolladores abierto y publicado en Github. Obtener el código fuente aquí.

Fuente: geektimes.ru/post/282560/