Исследования в области искусственного интеллекта продолжают совершенствоваться, и новейший прорыв Google DeepMind может открыть дверь для развития общего искусственного интеллекта, способного действовать в реальном мире. Приобретенные знания в области искусственного интеллекта в играх, таких как шахматы или Го, хорошо изучены, но запрограммировать ИИ для успешной игры в этих играх относительно несложно, так как они имеют четкую стратегию победы или поражения.
Однако открытые игры, наподобие Minecraft, представляют более серьезное испытание для систем ИИ. Эти игры предлагают огромное количество вариантов и абстрактных целей, имитируя реальные сценарии ближе, чем другие. Поэтому овладение такими играми считается важным шагом в обучении ИИ-агентов, способных выполнять задачи в реальном мире, такие как управление роботами и достижение искусственного общего интеллекта.
Google DeepMind представил модель искусственного интеллекта под названием Scalable Instructable Multiworld Agent (SIMA), способную играть в девять различных видеоигр и виртуальных пейзажей, с которыми ранее не сталкивалась. SIMA достигает этого только анализируя видеопоток из игры. От путешествий в космосе до курильщиков, SIMA может выполнять около 600 коротких задач в различных играх.
Для достижения такого уровня продуктивности исследователи DeepMind использовали существующие модели распознавания видео и изображений для интерпретации данных видеоигр. Затем они обучили SIMA отображать определенные задачи на основе видеовхода. Для этого парам людей играли вместе в видеоигры, один человек наблюдал за экраном и указывал другому на свои движения. Кроме того, участники просматривали свою игру и описывали действия мыши и клавиатуры, которые они предпринимали. Изучая, как движения человека связаны с поставленными задачами, SIMA могла точно повторять и выполнять эти действия.
В то время как SIMA продемонстрировала способность играть в девятую игру, с которой она ранее не сталкивалась, ей не хватило, чтобы достичь уровня работы на уровне человека. Для заполнения этой пропасти исследователи применили метод обучения, при котором SIMA обучалась на восьми играх, а затем тестировалась на девятой. Этот процесс повторялся, чтобы гарантировать способность SIMA адаптироваться к незнакомым играм.
Специалисты признают, что способность обобщать навыки между различными играми является важным шагом к развитию ИИ-агента-универсала. Однако текущим ограничениям SIMA включают в себя ограничение на относительно узкий набор краткосрочных задач, не требующих долгосрочного планирования. Расширение ее возможностей для охвата широкого диапазона сложных задач стало бы более сложной задачей.
Важно отметить, что для компаний, подобных DeepMind, эти исследования не сосредоточены только на играх, а направлены на революционизацию робототехники. Навигация в 3D-средах служит средством к цели, поскольку эти компании стремятся разработать ИИ-системы, способные воспринимать и взаимодействовать с миром вокруг себя. Хотя воздействие на видеоигры может быть минимальным, последствия для нашей жизни за их пределами остаются неизвестными.
**Часто задаваемые вопросы**
**Что такое SIMA?**
SIMA, или Scalable Instructable Multiworld Agent, это модель искусственного интеллекта, разработанная компанией Google DeepMind. Она способна играть в разнообразные видеоигры и виртуальные пейзажи, анализируя только видеопоток из игры.
**Как обучалась SIMA?**
Для обучения SIMA исследователи DeepMind использовали существующие модели распознавания видео и изображений. Они также предложили парам играть в видеоигры, один человек указывал другому на свои движения и действия. Эти данные в сочетании с самоанализом геймплея позволили SIMA понять, как действия человека связаны с определенными заданиями.
**Каковы ограничения SIMA?**
Хотя SIMA продемонстрировала способность адаптироваться к незнакомым видеоиграм, на данный момент она не достигла уровня работы на уровне человека. Кроме того, ее набор навыков в основном ограничен короткосрочными задачами, не требующими долгосрочного планирования.
**Какова конечная цель этих исследований?**
Исследования DeepMind направлены на разработку ИИ-систем, способных воспринимать и взаимодействовать с реальным миром. Хотя игры используются в качестве поля тестирования, основное внимание уделено революционизации робототехники, созданию ИИ-агентов, способных выполнять задачи в реальном мире.
[встроенное видео](https://www.youtube.com)
The source of the article is from the blog publicsectortravel.org.uk