Dlaczego twórcy AI pozwalają jej grać w gry?
Historia rozwoju sztucznej inteligencji wiąże się z grami. Od AI walczącej z arcymistrzami szachowymi, przez udział w teleturniejach, do tworzenia światów w Minecrafcie. Ale to nie tylko zabawa. Szkolenie sztucznej inteligencji za pomocą gier to ważny trend w rozwoju tej technologii.
Zacznijmy od pewnego rozróżnienia. Mamy bowiem sztuczną inteligencję w grze (silnik gry) i sztuczną inteligencję jako gracza. Chociaż rozwój sztucznej inteligencji wiele zawdzięcza gamingowemu, to właśnie ten drugi przypadek – AI jako podmiot grający – jest kluczowy.
Rozgrywka
Odkąd rozwija się sztuczną inteligencję, uczy się ją grać w gry. Już w latach 50‑tych pojawił się komputer zdolny do gry w warcaby. Dopiero potem twórcy sztucznej inteligencji przenieśli akcent na szachy. Nauczenie maszyny gry w szachy było przełomowym wyzwaniem. Traktowane było jako ostateczny dowód na to że AI jest rzeczywiście inteligentna. Momentem kluczowym było zwycięstwo IBM Deep Blue nad mistrzem świata Garrim Kasparowem w 1997 roku.
Potem przyszedł czas na m.in. teleturnieje. W 2010 i 2011 roku Watson IBM wygrał teleturniej Jeopardy!, pokonując dwóch byłych mistrzów. W 2016 roku AlphaGo pokonało mistrza świata w go (grę strategiczną, uważaną za jedną z najtrudniejszych). Następnie, w 2017 roku, program AI o nazwie Libratus wygrał turniej pokera Texas Hold'em przeciwko czterem najlepszym pokerzystom. Dziś naukowcy masowo uczą sztuczną inteligencję grać w gry wideo, na przykład Minecrafta. To doskonały poligon doświadczalny dla AI, ponieważ ta gra daje ogromne możliwości działania, tworzenia światów i rozwijania ich. Uniwersum Minecrafta jest niemal nieskończone.
Można też spróbować rozrywki na… placu zabaw. Firma DeepMind opracowała ogromny wirtualny plac zabaw w cukierkowych kolorach, który uczy ogólnych umiejętności AI, nieustannie go modyfikując. Zamiast rozwijać umiejętności potrzebne do rozwiązania konkretnego zadania, sztuczna inteligencja uczy się eksperymentować i eksplorować.
Wirtualny plac zabaw jest zarządzany przez centralną sztuczną inteligencję, która wyznacza graczom (AI) miliardy różnych zadań, zmieniając środowisko, zasady gry i liczbę graczy. Zarówno zawodnicy, jak i „zarządca” placu zabaw wykorzystują uczenie maszynowe, aby doskonalić się metodą prób i błędów.
Dlaczego granie jest tak ważne dla AI?
Jednym z powodów, dla których twórcy algorytmów AI pozwalają im grać jest fakt, że w przeciwieństwie do prawdziwego życia, gry są „policzalne”. Oferują sposób mierzenia postępów i zdolności sztucznej inteligencji. Każda rozgrywka kończy się jakimś wynikiem, można ująć go liczbowo, przygotować konkretne zestawienie wygranych i przegranych. Gry pozwalają więc badaczom dokładnie śledzić, czy i jak bardzo algorytm rozwija się w czasie.
Gry to sposób na odtworzenie kluczowych problemów, które sztuczna inteligencja ma rozwiązać. Poker, na przykład wymaga, aby AI umiała radzić sobie z niedostatkiem informacji. Natomiast wiele gier wideo jest tak zaprojektowanych, że ich środowisko tworzone jest dynamicznie, a sztuczna inteligencja podejmuje decyzje w czasie rzeczywistym, pod wpływem chwili.
Także ludzie i inne zwierzęta często uczą się poprzez bezcelową zabawę. Ale to wymaga ogromnej ilości danych – w przypadku ludzi i technologii zdobywa się je poprzez wciąż nowe kombinacje gier. Słowem: AI powinna grać i to wiele różnych gier.
Odchodząc na chwilę od tradycyjnych gier, nawet jeden z najbardziej znanych testów na sztuczną inteligencję wywodzi się z gry. Test Turinga, opracowany przez Alana Turinga, opiera się na grze towarzyskiej znanej jako gra imitacyjna.
Testowanie AI w grach jest tanie i bezpieczne
Testowanie i trenowania AI w bezpiecznym, wirtualnym środowisku gry jest lepszym pomysłem, niż zastosowanie w tym celu środowiska rzeczywistego. Przykład? Chociażby szkolenie systemów jazdy autonomicznej. W tym wypadku lepiej wykorzystać infrastrukturę gry niż wypuścić wirtualnego kierowcę na drogę. Kiedy sztuczna inteligencja uczy się prowadzenia auta przez rozgrywkę, nie stanowi zagrożenia dla ludzi.
Rozgrywka pomaga naukowcom szkolić sztuczną inteligencję także w innych dziedzinach. Na przykład, kiedy Watson IBM wygrał Jeopardy!, zademonstrował przetwarzanie języka naturalnego (NLP). Pracując nad tym systemem naukowcy zyskali nie tylko doskonałego uczestnika popularnego turnieju, ale też narzędzie które „rozumie” język naturalny. To wielki postęp dla AI. Obecnie Watson działa w wielu branżach, od opieki zdrowotnej po edukację.
Zabawa musi być
Nie ma co ukrywać, że uczenie sztucznej inteligencji grania w gry to także sposób na przyciągnięcie nowych studentów/naukowców. Gry kojarzą się z dobrą zabawą. Tak więc możliwość pracy nad nimi za pomocą sztucznej inteligencji jest kuszącą perspektywą dla nowych badaczy wybierających swoją dyscyplinę. Krótko mówiąc, sztuczna inteligencja w grach to świetny sposób na testowanie, promowanie i prezentowanie możliwości sztucznej inteligencji.
.
