Daptar eusi[Sumputkeun][Témbongkeun]
Video kaulinan terus nyadiakeun tangtangan ka milyaran pamaén di sakuliah dunya. Anjeun panginten henteu acan terang, tapi algoritma pembelajaran mesin ogé parantos naék kana tantangan éta ogé.
Ayeuna aya jumlah panalungtikan anu signifikan dina widang AI pikeun ningali naha metode pembelajaran mesin tiasa diterapkeun kana pidéo. Kamajuan anu ageung dina widang ieu nunjukkeun éta learning mesin agén bisa dipaké pikeun emulate atawa malah ngaganti pamuter manusa.
Naon ieu hartosna pikeun masa depan kaulinan pidéo?
Naha proyék-proyék ieu ngan ukur pikeun senang-senang, atanapi aya alesan anu langkung jero naha seueur peneliti museurkeun kana kaulinan?
Tulisan ieu bakal ngajalajah sakedap sajarah AI dina kaulinan vidéo. Saatosna, kami bakal masihan anjeun gambaran gancang ngeunaan sababaraha téknik pembelajaran mesin anu tiasa kami pake pikeun diajar kumaha ngéléhkeun kaulinan. Teras we bakal ningali sababaraha aplikasi anu suksés jaring saraf pikeun diajar sareng ngawasaan kaulinan vidéo khusus.
Sajarah ringkes AI dina kaulinan
Sateuacan urang ngartos naha jaring neural parantos janten algoritma idéal pikeun ngabéréskeun kaulinan vidéo, hayu urang tingali sakedap kumaha para ilmuwan komputer ngagunakeun vidéo kaulinan pikeun ngamajukeun panalungtikanana dina AI.
Anjeun tiasa ngabantah yén, ti mimitina, kaulinan vidéo parantos janten daérah panalungtikan anu panas pikeun panaliti anu resep AI.
Sanaos sanés ngan ukur kaulinan vidéo, catur parantos janten fokus anu ageung dina dinten awal AI. Dina taun 1951, Dr. Dietrich Prinz nulis program catur ngagunakeun komputer digital Ferranti Mark 1. Ieu jalan deui dina jaman nalika komputer gede pisan ieu kudu maca program kaluar tape kertas.
Program sorangan sanés AI catur lengkep. Kusabab keterbatasan komputer, Prinz ngan ukur tiasa nyiptakeun program anu ngarengsekeun masalah catur pasangan. Rata-rata, program éta nyandak 15-20 menit pikeun ngitung unggal gerakan anu mungkin pikeun pamaén Bodas sareng Hideung.
Gawé pikeun ngaronjatkeun catur jeung checkers AI geus ningkat steadily sapanjang dekade. Kamajuan ngahontal klimaks na di 1997 nalika Deep Blue IBM ngéléhkeun grandmaster catur Rusia Garry Kasparov dina sapasang patandingan genep kaulinan. Kiwari, mesin catur anjeun tiasa mendakan dina telepon sélulér anjeun tiasa ngéléhkeun Deep Blue.
Lawan AI mimiti kéngingkeun popularitas nalika jaman emas kaulinan arcade video. 1978's Space Invaders sareng 1980s Pac-Man mangrupikeun sababaraha panaratas industri dina nyiptakeun AI anu cekap tiasa tangtangan bahkan anu paling Samaun pamaén arcade.
Pac-Man, khususna, mangrupikeun kaulinan anu populér pikeun peneliti AI pikeun ékspérimén. Rupa-rupa kompetisi pikeun Ibu Pac-Man geus diatur pikeun nangtukeun mana tim bisa datang nepi ka AI pangalusna ngéléhkeun kaulinan.
Game AI sareng algoritma heuristik terus mekar nalika kabutuhan lawan anu langkung pinter timbul. Contona, ngempur AI naek popularitasnya salaku genres saperti jelema kahiji shooters jadi leuwih mainstream.
Pembelajaran Mesin dina Kaulinan Pidéo
Nalika téknik diajar mesin gancang popularitasna, rupa-rupa proyék panalungtikan ngusahakeun ngagunakeun téknik anyar ieu pikeun maénkeun pidéo.
Kaulinan sapertos Dota 2, StarCraft, sareng Doom tiasa janten masalah pikeun ieu algoritma pembelajaran mesin pikeun ngajawab. Algoritma pembelajaran jero, hususna, bisa ngahontal komo ngaleuwihan kinerja tingkat manusa.
nu Lingkungan Pembelajaran Arcade atanapi ALE masihan peneliti hiji panganteur pikeun leuwih saratus Atari 2600 kaulinan. Platform open-source ngamungkinkeun panalungtik pikeun patokan kinerja téknik pembelajaran mesin dina video kaulinan Atari klasik. Google malah diterbitkeun sorangan keretas ngagunakeun tujuh kaulinan tina ALE
Samentara éta, proyék kawas VizDoom masihan peneliti AI kasempetan pikeun ngalatih algoritma pembelajaran mesin pikeun maénkeun 3D shooters jalma kahiji.
Kumaha Gawéna: Sababaraha Konsep Utama
Jaringan saraf
Kaseueuran pendekatan pikeun ngarengsekeun kaulinan vidéo sareng pembelajaran mesin ngalibatkeun jinis algoritma anu katelah jaringan saraf.
Anjeun tiasa nganggap jaring saraf salaku program anu nyoba meniru kumaha fungsi otak. Sarupa jeung kumaha otak urang diwangun ku neuron nu ngirimkeun sinyal, jaringan saraf ogé ngandung neuron jieunan.
Ieu neuron jieunan ogé mindahkeun sinyal ka silih, kalawan unggal sinyal mangrupa angka sabenerna. Jaringan saraf ngandung sababaraha lapisan antara lapisan input sareng kaluaran, anu disebut jaringan saraf jero.
Diajar tulangan
Téhnik pembelajaran mesin anu umum anu relevan pikeun diajar vidéo kaulinan nyaéta ideu diajar penguatan.
Téhnik ieu mangrupikeun prosés ngalatih agén nganggo ganjaran atanapi hukuman. Kalawan pendekatan ieu, agén kudu bisa datang nepi ka solusi pikeun masalah ngaliwatan trial and error.
Sebutkeun urang hoyong AI pikeun milari kumaha maén game Snake. Tujuan kaulinan téh basajan: meunang saloba titik mungkin ku consuming item jeung Ngahindarkeun buntut tumuwuh Anjeun.
Kalawan learning tulangan, urang bisa nangtukeun hiji fungsi ganjaran R. Fungsi nambahkeun titik nalika oray meakeun hiji item sarta deducts titik nalika oray hits hiji halangan. Dibikeun lingkungan ayeuna sareng sakumpulan tindakan anu mungkin, modél pembelajaran penguatan urang bakal nyobian ngitung 'kabijakan' optimal anu ngamaksimalkeun fungsi ganjaran urang.
Neuroevolusi
Tetep dina téma kalayan diideuan ku alam, peneliti ogé geus kapanggih kasuksésan dina nerapkeun ML kana video kaulinan ngaliwatan téhnik katelah neuroevolution.
Daripada nganggo turunan gradién pikeun ngapdet neuron dina jaringan, urang tiasa nganggo algoritma évolusionér pikeun ngahontal hasil anu langkung saé.
Algoritma évolusionér biasana dimimitian ku ngahasilkeun populasi awal individu acak. Urang lajeng evaluate individu ieu ngagunakeun kriteria tangtu. Individu pangalusna dipilih salaku "kolot" sarta jawa babarengan pikeun ngabentuk generasi anyar individu. Individu-individu ieu teras bakal ngagentos individu anu paling pas dina populasi.
Algoritma ieu ogé ilaharna ngenalkeun sababaraha bentuk operasi mutasi salila kawin silang atawa "beternak" hambalan pikeun ngajaga diversity genetik.
Sampel Panalungtikan ngeunaan Pembelajaran Mesin dina Kaulinan Pidéo
OpenAI Lima
OpenAI Lima mangrupakeun program komputer ku OpenAI anu boga tujuan pikeun maénkeun DOTA 2, kaulinan multiplayer mobile battle arena (MOBA) populér.
Program éta ngamangpaatkeun téknik diajar penguatan anu aya, diskalakeun pikeun diajar tina jutaan pigura per detik. Hatur nuhun kana sistem pelatihan anu disebarkeun, OpenAI tiasa maénkeun kaulinan 180 taun unggal dinten.
Saatos periode latihan, OpenAI Five tiasa ngahontal prestasi tingkat ahli sareng nunjukkeun gawé babarengan sareng pamaén manusa. Dina 2019, OpenAI lima tiasa eleh 99.4% pamaén dina patandingan umum.
Naha OpenAI mutuskeun dina kaulinan ieu? Numutkeun kana panalungtik, DOTA 2 ngagaduhan mékanika kompléks anu di luar jangkauan anu aya di jero pembelajaran tulangan algoritma.
Super Juhari naros
Aplikasi jaring neural anu sanés dina kaulinan vidéo nyaéta panggunaan neuroevolution pikeun maénkeun platformer sapertos Super Mario Bros.
Salaku conto, ieu éntri hackathon dimimitian ku teu boga pangaweruh ngeunaan kaulinan jeung lalaunan ngawangun hiji yayasan naon anu diperlukeun pikeun kamajuan ngaliwatan tingkat hiji.
Jaring saraf anu mekar diri nyandak kaayaan kaulinan ayeuna salaku kotak ubin. Mimitina, jaring saraf henteu ngartos naon hartosna unggal ubin, ngan ukur ubin "hawa" béda ti "ubin taneuh" sareng "ubin musuh."
Palaksanaan proyék hackathon ngeunaan neuroevolution ngagunakeun algoritma genetik NEAT pikeun breed jaring neural anu béda sacara selektif.
kapentingan
Ayeuna anjeun parantos ningali sababaraha conto jaring neural anu maén pidéo, anjeun panginten panginten naon gunana sadayana ieu.
Kusabab vidéo kaulinan ngalibatkeun interaksi anu kompleks antara agén sareng lingkunganana, éta mangrupikeun tés anu sampurna pikeun ngadamel AI. Lingkungan maya aman sareng tiasa dikontrol sareng nyayogikeun data anu teu terbatas.
Panaliti anu dilakukeun dina widang ieu parantos masihan peneliti wawasan kumaha jaring saraf tiasa dioptimalkeun pikeun diajar kumaha ngarengsekeun masalah di dunya nyata.
Jaringan saraf diideuan ku cara otak dianggo di alam dunya. Ku diajar kumaha kalakuan neuron jieunan nalika diajar maén vidéo, urang ogé tiasa nampi wawasan kumaha uteuk manusa jalan.
kacindekan
Kasaruaan antara jaringan saraf sareng otak parantos nyababkeun wawasan dina dua widang. Panaliti anu neraskeun ngeunaan kumaha jaring neural tiasa ngabéréskeun masalah-masalah tiasa waé tiasa ngakibatkeun bentuk anu langkung maju kacerdasan buatan.
Bayangkeun ngagunakeun AI anu disaluyukeun kana spésifikasi anjeun anu tiasa maénkeun sakabéh kaulinan vidéo sateuacan anjeun ngagaleuhna pikeun nginpokeun ka anjeun upami éta pantes waktos anjeun. Naha perusahaan kaulinan vidéo nganggo jaring saraf pikeun ningkatkeun desain kaulinan, tingkat tweak, sareng kasusah lawan?
Kumaha saur anjeun anu bakal kajantenan nalika jaring saraf janten tukang game pamungkas?
Leave a Reply