Para melhor resolver desafios complexos no início da terceira década do século 21, A Alphabet Inc. encontrou relíquias que datam da década de 1980:videogames.

A empresa controladora do Google informou esta semana que sua unidade DeepMind Technologies Artificial Intelligence aprendeu com sucesso a jogar 57 videogames Atari. E o sistema do computador funciona melhor do que qualquer humano.

Atari, criador de Pong, um dos primeiros videogames de sucesso da década de 1970, passou a popularizar muitos dos primeiros grandes videogames clássicos na década de 1990. Os videogames são comumente usados ​​com projetos de IA porque desafiam algoritmos para navegar por caminhos e opções cada vez mais complexos, ao mesmo tempo que se depara com cenários de mudança, ameaças e recompensas.

Apelidado de AGENT57, O sistema de IA da Alphabet investigou 57 jogos principais da Atari, cobrindo uma ampla gama de níveis de dificuldade e várias estratégias de sucesso.

"Os jogos são um excelente campo de testes para a construção de algoritmos adaptativos, "disseram os pesquisadores em um relatório na página do blog DeepMind." Eles fornecem um rico conjunto de tarefas que os jogadores devem desenvolver estratégias comportamentais sofisticadas para dominar, mas também fornecem uma métrica de progresso fácil - pontuação do jogo - para otimizar.

"O objetivo final não é desenvolver sistemas que se destaquem em jogos, mas sim usar jogos como um trampolim para o desenvolvimento de sistemas que aprendem a se destacar em um amplo conjunto de desafios, "disse o relatório.

O sistema AlphaGo da DeepMind ganhou amplo reconhecimento em 2016 ao vencer o campeão mundial Lee Sedol no jogo estratégico Go.

Entre a safra atual de 57 jogos da Atari, quatro são considerados especialmente difíceis para os projetos de IA dominarem:Montezuma's Revenge, Armadilha, Solaris e esqui. Os dois primeiros jogos apresentam o que a DeepMind chama de "problema de exploração-exploração" desconcertante.

"Se alguém continuar realizando comportamentos que sabe que funciona (exploit), ou deve-se tentar algo novo (explorar) para descobrir novas estratégias que podem ser ainda mais bem-sucedidas? "DeepMind pergunta." Por exemplo, deve-se sempre pedir o mesmo prato favorito em um restaurante local, ou tentar algo novo que pode superar o antigo favorito? A exploração envolve a realização de muitas ações abaixo do ideal para reunir as informações necessárias para descobrir um comportamento, em última análise, mais forte. "

Os outros dois jogos desafiadores impõem longos tempos de espera entre desafios e recompensas, tornando mais difícil para os sistemas de IA uma análise bem-sucedida.

Todos os esforços anteriores para dominar os quatro jogos com IA falharam.

O relatório diz que ainda há espaço para melhorias. Para um, longos tempos computacionais continuam sendo um problema. Também, embora reconheça que "quanto mais tempo treinou, quanto maior sua pontuação, "Os pesquisadores da DeepMind querem que o Agent57 faça melhor. Eles querem que ele domine vários jogos simultaneamente; atualmente, ele pode aprender apenas um jogo por vez e deve passar por um treinamento sempre que reiniciar um jogo.

Em última análise, Os pesquisadores da DeepMind prevêem um programa que pode aplicar escolhas humanas de tomada de decisão enquanto enfrenta desafios em constante mudança e nunca antes vistos.

"Verdadeira versatilidade, que vem tão facilmente para um bebê humano, ainda está muito além do alcance da IA, "concluiu o relatório.

© 2020 Science X Network