Google stworzyło algorytm DQN do sztucznej inteligencji

Google zrobiło duży krok na przód jeśli chodzi o sztuczną inteligencję. Poraz pierwszy bowiem komputerowy algorytm nauczył się grać w 49 różnych gier Atari w zaledwie dwa tygodnie. Dodajmy – grać bardzo dobrze. Przed rozpoczęciem nauki algorytm ten nie dysponował chociażby jedną regułą czy przesłanką. Co więcej – ten algorytm wcale nie był zaprojektowany by uczyć się grania. Jego zadaniem była nauka na podstawie własnych doświadczeń.

Algorytm Deep Q-Network (w skrócie: DQN) potrafił nauczyć się takich gier jak np. Breakout, szachy, Boxing, Space Invaders czy Starguner. Komputer podejmując kolejne próby uczył się w jaki sposób stać się mistrzem w danej grze. Aby nie ułatwić programowi zadania algorytm ma tylko dostęp do całkowitego wyniku oraz pikseli.


Co ciekawe mechanizm DQN nie jest pierwszym algorytmem, który służy do wyuczenia się w skali master danej gry. 20 lat temu powstał program o nazwie TD-Gammon, który nauczył się gry Backgammon. Jednak główna różnica pomiędzy DQN, a TD-Gammon polega na tym, że ten pierwszy algorytm nauczył się różnych gier równocześnie. W pierszej fazie uczenia algorytm wykorzystuje mechanizm zbliżony do metody Q-learning. Robot wciska wszystkie przyciski po kolei i na podstawie zmiany położenia uczy się obsługi samej gry.

Pan Herkewitz wytłumaczył, że zadanie nauki wcale do łatwych nie należy. Przykładowo w grze Space Ivaders algorytm musiał nauczyć się ponad tysiąca różnych faktów: np. w jaki sposób pixelowe statki poruszają się, jak unikać wrogich pocisków, jak pokonać kosmitów itp. DQN podobnie jak ludzki mózg jest w stanie izolować zakłócenia otoczenia od ważnych informacji. Jednak jest coś, co różni komputerową inteligencję od ludzkiej. Algorytm ten nigdy nie będzie rozumiał w jaki sposób gra człowiek.