nogomet2

Samo vprašanje časa je bilo, kdaj bo nekdo naučil umetno inteligenco igrati nogomet. na vrsti je deepmind

Ne glede na to, ali vam je nogomet bolj ali manj všeč, ali ste strasten navijač ali pa vam ni vseeno za napredek lige, morate priznati eno: ni lahko igrati dobro. To ni za nas ljudi. In še manj za stroje. Premikanje po igrišču z žogo ob nogah zahteva koordinacijo in ravnotežje, pa tudi spretnosti za tekmovanje v ekipi.

Morda se vam zdi brezveze, nekaj cenovno dostopnega za vsakogar, ki dovolj pridno trenira. Za umetno inteligenco (AI) ne toliko. Če nam uspe omogočiti, da se nauči osnov, potrebnih za svobodno premikanje po polju, smo morda res omogočili robotom, da bodo to lahko počeli v prihodnosti gibajte se bolj naravnobolj podobna ljudem.

Pri DeepMindu, hčerinski družbi Alphabeta, matičnega podjetja Googla, to vedo in usposabljajo AI, da bo nekega dne postal digitalni Luka Modrić. kot? No, slediti dinamiki, ki se ne razlikuje zelo od tiste, ki se uporablja v kateri koli nogometni šoli, da otroka naučijo igrati. Samo začetek iz nič in z veliko hitrejšim tempom.

Pri Alphabetu so začeli dajati AI nadzor nad digitalnimi liki s človeškimi oblikami in gibi sklepov, podobnimi našim. Korak za korakom – ali bolje rečeno – znanstveniki so jih naučili teči, driblati, metati žoge in se na koncu igrati z drugimi liki, začenši s preprostimi tekmovanji z ekipami le dveh članov.

Iz šole v igro

V prvi fazi so bile pridobljene figure Osnovne spretnosti gibanje in rokovanje z žogo. Proces je trajal prvih 24 ur usposabljanja, vendar je obsegal približno leto in pol simuliranih iger. Že v drugi fazi eksperimenta so bila uporabljena vedenja sodelovanja in timskega dela, značilna za pravo igro.

New Scientist poudarja, da so spretnosti timskega dela, ki so ključne za to, da je AI lahko ugotovil, kje je prejela izkaznico, vzele nekaj več časa: približno dve ali tri desetletja simuliranih iger, kar je enako približno dvema ali trem tednom v pravi en svet.

»Naši agenti so pridobili veščine, kot so agilno premikanje, podajanje in delitev dela, kar dokazuje vrsta statističnih podatkov, vključno z metrikami, ki se uporabljajo v analizi športa v resničnem svetu,« pojasnjuje DeepMind. Na primer, med veščinami, ki jih demonstrira AI, izstopa sposobnost predvidevanja vedenja soigralcev.

»Na začetku treninga so vsi agenti samo tekli proti žogi. Po nekaj dneh smo videli, da so ugotovili, da eden od njihovih soigralcev obvladuje žogo, se obrnili in tekli po igrišču v pričakovanju, da bo poskušal zadeti ali morda podati žogo,« pojasnjuje Guy Lever Wired , del ekipe, ki je oblikovala njen študij Znanstvena robotika.

Pred približno petimi leti so raziskovalci zgibne figure poskušali naučiti obvladati tek z ovirami. Poskus je pustil lekcije o prednostih poskusov in napak ter okrepljenega učenja (RL), vendar so bili njegovi gibalni vzorci “nenaravni” z določenim komičnim vidikom. DeepMind priznava, da je težava v tem “ne bi bilo praktično” za robotiko.

Izziv ni toliko imeti AI, ki je sposoben premikati like, ki posnemajo ljudi, ampak je bistvenega pomena doseči “dobro urejeno vedenje”, primerno za hojo po neravnem terenu ali celo rokovanje z lomljivimi predmeti. “To živčna gibanja lahko poškodujejo samega robota ali njegovo okolico ali pa vsaj izpraznijo baterijo,« pravijo v hčerinski družbi Alphabet. Od tod prizadevanja za dosego robotov z “varnim in učinkovitim” vedenjem, ki se odzivajo na ukaze, ki jih prejmejo.

In pri tem lahko igra Maradone in Peléja postane nepričakovana zaveznika. Nogomet je že dolgo izziv za raziskovanje utelešene inteligence, saj zahteva individualne spretnosti in usklajeno timsko igro.

Da bi dosegli svoj namen, so znanstveniki uporabili nevronske verjetnostne motorične primitive (NPMP), ki temelji na človeških in živalskih gibalnih vzorcih in pomaga pri prevajanju kontrolnih ukazov. »Pokazali smo že, da se lahko v ekipah, ki tekmujejo med seboj, pojavi usklajeno vedenje. NPMP nam je omogočil opazovanje podobnega učinka v scenariju, ki zahteva nadzor motorja. bistveno naprednejši‘, je podjetje na pretek.

“V bistvu usmerja svoj motorični nadzor na realistično človeško vedenje, realistične človeške gibe. In to se naučimo iz zajemanja gibanja, v tem primeru človeških igralcev, ki igrajo nogomet,” je ekipa povedala za Wired. Kot del istega procesa je bila umetna inteligenca tudi nagrajena, ker ni odstopala od strategij, določenih za vsak scenarij.

Ali to pomeni, da želi biti Google absolutni prvak RoboCupa?

No, za zdaj kaže, da deluje, tako da bomo jutri lahko videli AI z učinkovitejšimi gibi. Konec koncev … Kdo je rekel, da je nogomet samo igra?

Slike | globina in Znanstvena robotika

Leave a Comment

Your email address will not be published.