Processus de formation SoG. Les acteurs collectent des données via des jeux sonores et les formateurs fonctionnent séparément sur un réseau distribué. (A) Chaque recherche produit un certain nombre de requêtes CVPN avec l’entrée β. (B) Les requêtes sont ajoutées à un tampon de requêtes puis résolues par un solveur qui étudie la situation de plus près via une autre invocation de GT-CFR. Pendant la résolution, de nouvelles requêtes récursives peuvent être rajoutées au tampon de requêtes ; séparément, le réseau est (C) entraîné sur des mini-lots échantillonnés à partir du tampon de relecture pour prédire les valeurs et les objectifs politiques calculés par le solveur. Crédit: Avancées scientifiques (2023). DOI : 10.1126/sciadv.adg3256
Une équipe de chercheurs en IA d’EquiLibre Technologies, Sony AI, Amii et Midjourney, en collaboration avec le projet DeepMind de Google, a développé un système d’IA appelé Student of Games (SoG), capable à la fois de battre les humains dans une variété de jeux et d’apprendre à jouer. les nouvelles. Dans leur article publié dans la revue Avancées scientifiquesle groupe décrit le nouveau système et ses capacités.
Au cours du dernier demi-siècle, les informaticiens et les ingénieurs ont développé l’idée de l’apprentissage automatique et de l’intelligence artificielle, dans lesquelles les données générées par l’homme sont utilisées pour entraîner des systèmes informatiques. La technologie a des applications dans une variété de scénarios, parmi lesquels jouer à des jeux de société et/ou de société.
Apprendre à un ordinateur à jouer à un jeu de société, puis améliorer ses capacités jusqu’à ce qu’il puisse battre les humains est devenu une sorte de jalon, démontrant à quel point l’intelligence artificielle s’est développée. Dans cette nouvelle étude, l’équipe de recherche a franchi une nouvelle étape vers l’intelligence artificielle générale, dans laquelle un ordinateur peut effectuer des tâches jugées surhumaines.
À ce jour, la plupart des systèmes informatiques conçus pour jouer à des jeux de société se sont concentrés sur un seul jeu, les échecs par exemple. En construisant de tels systèmes, les scientifiques ont développé un certain type d’intelligence artificielle limitée. Dans ce nouveau projet, les chercheurs ont construit un système intelligent capable de jouer à une variété de jeux nécessitant différentes compétences.
Dans le jeu, il existe deux principaux types de jeux : ceux à connaissance parfaite ou imparfaite. Les premiers sont ceux dans lesquels les deux joueurs ont une parfaite connaissance du jeu, comme par exemple l’emplacement de toutes les pièces du jeu. Ces derniers sont ceux du poker, dans lesquels seule une partie des informations impliquées est connue des joueurs individuels. SoG peut non seulement jouer aux deux types de jeux ; il peut battre les humains experts.
Jusqu’à présent, il a battu d’autres systèmes d’IA et d’autres humains au Go, aux échecs, à Scotland Yard et au Texas Hold’em Poker, et l’équipe de recherche suggère qu’il pourrait probablement exceller dans d’autres types de jeux car il est capable d’apprendre tout seul à jouer virtuellement. n’importe quel jeu.
Plus d’information:
Martin Schmid et al, étudiant en jeux : un algorithme d’apprentissage unifié pour les jeux d’information parfaits et imparfaits, Avancées scientifiques (2023). DOI : 10.1126/sciadv.adg3256
© 2023 Réseau Science X
Citation: Le système d’IA Student of Games de Deep Mind peut battre les humains dans une variété de jeux (16 novembre 2023) récupéré le 16 novembre 2023 sur
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.
