هوش مصنوعی گوگل سخت ترین بازی آتاری را به چالش می کشد

اگر می خواهیم هوش مصنوعی توانایی بسازیم که قادر باشد به خودش شیوه کارکرد دنیا را بیاموزد، باید آن را کنجکاو بسازیم. این مسئله برای توسعه دهندگان هوش مصنوعی اخیرا بسیار درگیر کننده بوده و پژوهش جدید DeepMind، بخش توسعه دهنده هوش مصنوعی گوگل، لزوم و تاکید بر این مسئله را یک بار دیگر ثابت کرده است.

همانطور که در ویدیوی زیر قابل مشاهده است، هوش مصنوعی DeepMind به انجام بازی فوق العاده دشوار Montezuma's Revenge می پردازد. برخلاف بات هایی که در بازی های مختلف در برابر شما قرار می گیرند و به بازی با شما می پردازند، این هوش مصنوعی به هیچ بخش از اطلاعات بازی دسترسی ندارد و همه را خودش می آموزد.

جزئیات صفحه بازی را می بیند، یک دکمه را فشار می دهد و طی صدها، هزاران و میلیون ها بار تکرار و تمرین بالاخره متوجه می شود که چگونه باید از یک اتاق به اتاق دیگر برود.

مبحث جالب در این پژوهش، ایجاد بخشی به نام Instrinsic Motivation است که کارکردی مشابه با بخش پاداش در مغز انسان دارد. وقتی هدفی را دنبال می کنید و به آن دست پیدا می کنید، مغز شما خوشحال شده و این شادی را با آزاد کردن موادی شیمیایی نشان می دهد. هوش مصنوعی گوگل هم دقیقا سیستم کارکرد مشابهی دارد.

یک مقایسه ای هم بین ورژن فعلی و ورژن قبلی هوش مصنوعی صورت گرفته که نشان دهنده پیشرفت برنامه نویس ها دارد. مرحله اول این بازی متشکل از 24 اتاق است. ورژن قبلی پس از 50 میلیون بار آزمایش فقط دو اتاق را دیده بود اما دستاورد جدید آن ها موفق شد تا به 15 اتاق سرک بکشد و از خطر مرگ در امان باشد.

در ادامه ویدیویی جذاب از نحوه پیشرفت هوش مصنوعی گوگل را مشاهده می کنید: