Ізраїльські розробники змогли навчити AI перемогти людей в Mortal Kombat

3D-навколишнє середовище все ще складно сприймати слабку форму AI, що призводить до проблем комп'ютера при проходженні таких ігор.

За допомогою відеоігри, сучасні фахівці штучного інтелекту збираються навчати AI-методи подолання перешкод і вирішення проблем, що виникають на ходу. Наприклад, DeepMind з командою Blizzard, щоб перетворити StarCraft II в середовище навчання для слабкої форми AI. Минулого року система штучного інтелекту Google самостійно опанувала 49 старих ігор Atari.

І це не про систему, інтегровану в гру (наприклад, AI супротивників у бойових іграх, футбольних тренажерах або гоночних тренажерах), що добре знає умови та правила. АІ, який навчається розробникам в комп'ютерних іграх, тепер на рівних підходах з людиною. Система зберігає картину на екрані, вивчивши методи випробування та помилки. І така програма здатна знайти рішення не тільки в іграх, вона підходить для пошуку рішень в широкому спектрі проблем, незалежно від правил або умов.


Група студентів з Ізраїлю University of Technology нещодавно оголосила про їх розвиток, ретро-вчительське середовище (RLE). Це програмна платформа, яка дозволяє навчати AI на прикладі багатьох ігор 90-х, включаючи ті, які вийшли на консолі Nintendo і Sega. До них відносяться F-Zero, Wolfenstein і Mortal Kombat. На думку розробників, для AI, багато ігор були складними, деякі системи не навчилися розуміти і пройти. RLE дізнався про гру Mortal Kombat. Результати їх роботи були представлені в статті про arXiv. АІ багаторазово змогла повністю виграти проти супротивника людини. І цей опонент не був новачком. У статті зазначено, що комп’ютер переповнений досвідченим гравцем Mortal Kombat.

У Вольфенштейні, де рівні об'єму, плюс потрібно орієнтуватися при проходженні Мазею і визначити ряд об'єктів, система показала не дуже хороший результат. У Gradius III RLE вдалося вивчити технічні аспекти гри, які включають необхідність знищення ворогів з наступними діями. Але система не вдалося доставити кращий результат, ніж людина-програвач. Тут необхідно поліпшити здібності персонажа, що зустрічається артефактами. Чим більше артефактів програвача, тим важче це грати в гру. Комп'ютер приділяв майже не увагу об'єктам живлення, які значно ускладнюють процес проходження.

Той факт, що програма здатна навчитися грати в комп'ютерну гру так само, що вона почала перемагати над особою, є непоглушеним заслугою розробника. Для комп'ютера, дізнаючись, щоб грати в гру за допомогою пробної та помилкової помилки не так легко, це складне завдання, яке кілька програмних платформ подолати. «Якщо алгоритми можуть грати в складні ігри, то ми можемо почати працювати над впровадженням таких систем в реальному світі, вирішувати реальні проблеми», - сказав Шай Розенберг, один з авторів дослідження. “Дякую як дитина навчається грати в ігри, комп'ютер бачить лише інформацію на екрані. Вони навчаються уникати перешкод і вирішувати проблеми для максимальної винагороди.

5416916

АІ навчився грати як Boxing на Atari, так і Mortal Kombat, просто «поглядаючи на екрані» і оцінити наслідки його дій в ігровому середовищі.

У реальному світі можливість комп’ютерних систем навчатися від своїх помилок і прогнозувати наслідки певних «дії» можуть бути корисними у багатьох сферах. Роботи можуть навігувати комплексні простори (кімнальні коридори, наприклад) з безліччю перешкод, не зіткнувшись з ними. Будь-яка невелика похибка, виконана комп'ютером, буде враховано в наступний раз, вона виконує однакове або схоже завдання.

За словами Росберга, RLE може дізнатися більше складних ігрових систем, а не тільки SNES ігор. Наступним етапом проекту стане розробка ігор PlayStation. Тим не менш, ізраїльські розробники зосередилися на навчанні системи, щоб грати більшість ігор, які опанували. Той факт, що комп'ютер навчився грати в Mortal Kombat добре, але не достатньо - все ще значна частина ігор "ліва надборд", RLE не може опанувати їх.

, Україна

Результати проходження різних ігор за допомогою різних алгоритмів

«У наступних стадіях ми розглянемо можливість і навіть порівняно легко адаптувати нашу систему навчання більш складними іграми, в тому числі, наприклад, Grand Theft Auto», - сказав розробник. Тепер, на жаль, ігри, як Grand Theft Auto V AI, не доступні — вони занадто складні.

Розробники зробили вихідний код системи, відкритого та розміщеного на Github. Ви можете отримати джерело тут.

Джерело: geektimes.ru/post/282560/