Pengembang Israel mampu mengajarkan AI untuk mengalahkan manusia di Mortal Kombat

Lingkungan 3D masih sulit untuk dirasakan oleh bentuk lemah AI, yang memerlukan masalah komputer saat bermain game tersebut.

Menggunakan video game, spesialis kecerdasan buatan modern akan mengajarkan metode AI untuk mengatasi hambatan dan menyelesaikan masalah saat bepergian. Sebagai contoh, karyawan DeepMind, bersama dengan Blizzard, mengubah StarCraft II menjadi lingkungan pelatihan bentuk AI yang lemah. Tahun lalu, sistem AI Google menguasai 49 game Atari sendiri .

Dan ini bukan tentang sistem yang diintegrasikan ke dalam permainan (seperti lawan AI dalam game pertempuran, simulator sepakbola atau simulator balap), yang sangat mengetahui kondisi dan aturan. AI, yang diajarkan oleh pengembang dalam permainan komputer sekarang, ditempatkan pada pijakan yang sama dengan manusia. Sistem memantau gambar di layar, mempelajari metode coba-coba. Dan program seperti itu mampu menemukan solusi tidak hanya dalam permainan, sangat cocok untuk menemukan solusi dalam berbagai tugas, terlepas dari aturan atau ketentuan.


Sekelompok mahasiswa dari Universitas Teknologi Israel baru-baru ini mengumumkan pengembangannya, sistem Retro Learning Environment (RLE). Ini adalah platform perangkat lunak yang memungkinkan Anda untuk melatih AI pada contoh banyak game tahun 90-an, termasuk yang dirilis untuk konsol Nintendo dan Sega. Ini, misalnya, banyak terkenal F-Zero, Wolfenstein, dan Mortal Kombat. Menurut pengembang, untuk AI, banyak game yang sulit, beberapa sistem tidak belajar untuk memahami dan lulus. Tapi RLE belajar bermain Mortal Kombat dengan sangat baik. Para ahli mempresentasikan hasil pekerjaan mereka dalam sebuah artikel di arXiv . AI telah berulang kali berhasil menang melawan lawan manusia. Dan lawan ini sama sekali bukan pemula. Artikel tersebut menyatakan bahwa komputer ditentang oleh pemain Mortal Kombat yang berpengalaman.

Di Wolfenstein, di mana ada tingkat volume, plus Anda harus menavigasi labirin dan menentukan sejumlah objek, sistem menunjukkan hasil yang tidak terlalu baik. Dalam Gradius III, RLE mampu mempelajari aspek teknis dari permainan, yang mencakup kebutuhan untuk menghancurkan musuh yang bertemu dengan tindakan selanjutnya. Tetapi sistem tidak dapat menunjukkan hasil yang lebih baik daripada pemain manusia. Di sini perlu untuk meningkatkan kemampuan karakter dengan artefak yang ditemui. Semakin banyak artefak yang dilewatkan pemain, semakin sulit untuk menyelesaikan permainan. Komputer praktis tidak memperhatikan objek power-up, yang sangat mempersulit proses passing.

Fakta bahwa program itu mampu mempelajari cara bermain game komputer dengan begitu baik sehingga mulai mengalahkan seseorang adalah prestasi yang tidak dapat disangkal dari pengembang. Tidak mudah bagi komputer untuk mempelajari cara bermain game melalui coba-coba; ini adalah tugas yang sulit yang diatasi oleh beberapa platform perangkat lunak. "Jika algoritma dapat memainkan game yang kompleks, maka kita dapat mulai bekerja menerapkan sistem seperti itu di dunia nyata untuk menyelesaikan masalah nyata," kata Shai Rosenberg, salah satu penulis penelitian. “Sama seperti seorang anak belajar bermain game, komputer juga hanya melihat informasi di layar. Mereka (baik anak-anak dan komputer) belajar untuk menghindari rintangan dan menyelesaikan masalah untuk mendapatkan hadiah maksimal, ”lanjutnya.


AI belajar bermain dengan baik dalam Boxing on Atari dan Mortal Kombat, cukup "melihat layar" dan menilai konsekuensi dari tindakan mereka dalam lingkungan game.

Di dunia nyata, kemampuan sistem komputer untuk belajar dari kesalahan mereka dan memprediksi konsekuensi dari beberapa "aksi" bisa berguna. banyak daerah. Robot dapat bergerak melalui ruang kompleks (lorong kamar, misalnya) dengan sejumlah besar rintangan tanpa bertabrakan dengan mereka. Setiap kesalahan kecil yang dilakukan oleh komputer akan diperhitungkan pada saat berikutnya, saat melakukan tugas yang sama atau serupa.

Menurut Rosenberg, RLE dapat belajar untuk melalui sistem game yang lebih kompleks, dan tidak hanya bermain game SNES. Tahap selanjutnya dari proyek ini adalah pengembangan game di platform PlayStation. Benar, sejauh ini, pengembang Israel fokus pada pengajaran sistem mereka untuk melewati sebagian besar game yang dikuasai. Fakta bahwa komputer belajar memainkan Mortal Kombat ini bagus, tetapi tidak cukup - meskipun demikian, sebagian besar permainan "berlebihan", RLE tidak bisa menguasainya.


Hasil melewati game yang berbeda oleh sistem RLE menggunakan berbagai algoritma passing

"Pada tahap selanjutnya, kami menganggap itu mungkin dan bahkan relatif mudah untuk mengadaptasi sistem pelatihan kami ke permainan yang lebih kompleks, termasuk, misalnya, Grand Theft Auto," kata para pengembang. Sayangnya, sekarang gim seperti Grand Theft Auto V AI tidak tersedia - terlalu rumit.

Pengembang membuat kode sumber sistem mereka terbuka dan mempostingnya di Github. Anda bisa mendapatkan sumbernya di sini .

Source: https://habr.com/ru/post/id399067/