AI ini dapat belajar main game tanpanya

Posted on

 

Sekarang ini, AI punya Google sudah kuasai beberapa game baik tradisionil atau kekinian. Mereka telah mempunyai AlphaGo Zero dan AlphaZero berbasiskan DeepMind yang bisa berlaga game dan sukses menaklukkan beberapa master di sektornya.

Tetapi, untuk bikin AI itu bisa bermain serta menang menantang beberapa master, Google harus mengajarkan AI DeepMind secara intens. Mereka masih tidak bisa meningkatkan AI yang betul-betul bisa kuasai satu sektor secara automatis.

Tetapi, akhir-akhir ini AI terkini DeepMind, MuZero, diberitakan tak perlu diajari untuk kuasai suatu hal.sebuah hal. MuZero diberitakan bisa kuasai permainan seperti catur, shogi, dan serangkaian game Atari tak perlu diajari sama sekalipun.

Engadget (28/12) memberikan laporan, beberapa pengembang DeepMind membuat algoritme yang bisa menyesuaikan dengan keadaan di mana dia tidak mengenali seluruh ketentuan yang mengendalikan replikasi. Akan tetapi algoritme itu direncanakan bisa mendapati langkah untuk berencana keberhasilan. Mereka menjelaskan proses ini jadi rintangan yang besar sekali.

Mereka bisa pecahkan teka teki itu memakai pendekatan yang disebutkan penelusuran lookahead

Dengan sistem ini, algoritme akan menimbang kondisi hari esok untuk berencana perlakuan seterusnya.

Langkah terhebat untuk pahami ini dengan pikirkan bagaimana Anda akan bermain permainan taktik seperti catur atau Starcraft II. Saat sebelum bergerak, Anda akan menimbang bagaimana musuh akan bereaksi dan coba membuat gagasan yang tepat.

Secara hampir serupa, AI yang memakai sistem lookahead akan coba berencana beberapa pergerakan awalnya. Bahkan juga dengan permainan yang relatif gampang seperti catur, mustahil untuk menimbang tiap peluang kondisi di hari esok. Jadi kebalikannya AI akan mengutamakan yang paling kemungkinan memenangi laga.

Permasalahan dengan pendekatan ini ialah jika sejumlah besar keadaan dunia riil, serta beberapa game, tidak mempunyai seperangkat ketentuan simpel yang mengendalikan langkah operasionalisasinya.

Beberapa periset sudah berusaha untuk mengakali permasalahan dengan memakai pendekatan yang berusaha untuk memodelkan bagaimana permainan atau lingkungan skenario spesifik akan mempengaruhi satu hasil dan memakai pengetahuan itu untuk bikin gagasan.

Kelemahan pada mekanisme ini ialah jika beberapa domain benar-benar kompleks hingga pemodelan tiap faktor nyaris mustahil dikerjakan

Ini bisa dibuktikan jadi masalah, misalkan dengan sejumlah besar game Atari.

Di satu segi, MuZero menyatukan yang terhebat dari ke-2 hal itu. Bukannya memodelkan segala hal, mereka cuman coba menimbang beberapa faktor yang perlu untuk bikin keputusan.

Sama seperti yang diperlihatkan DeepMind, ini ialah suatu hal yang dikerjakan seperti manusia. Saat banyak orang menyaksikan keluar jendela dan menyaksikan awan hitam, mereka biasanya tidak terjerat pikirkan beberapa hal seperti kondensasi dan desakan. Mereka malahan memikir mengenai bagaimana mereka harus kenakan pakaian supaya masih kering bila ke luar. Dan MuZero lakukan hal sama.

Pendekatan yang nampaknya simpel itu jadikan MuZero algoritme paling efisien yang dibikin DeepMind sampai sekarang ini. Dalam pengetesan yang mereka kerjakan, diketemukan jika MuZero sebaik AlphaZero di catur, Go dan shogi, dan lebih bagus dari seluruh algoritme awalnya, terhitung Agent57 di game Atari.

Anak perusahaan Google itu juga menjelaskan jika kekuatan evaluasi MuZero satu hari kelak bisa menolong mereka menangani permasalahan kompleks di bagian seperti robotika di mana tidak ada ketentuan langsung.

Leave a Reply

Your email address will not be published. Required fields are marked *