Processus de formation SoG. Les acteurs collectent des données by way of une lecture audio autonome et les formateurs travaillent séparément sur un réseau distribué. (a) Chaque recherche produit un sure nombre de requêtes CVPN avec une entrée β. (b) Les requêtes sont ajoutées au tampon de requêtes et sont ensuite résolues par un solveur qui read about de près l. a. state of affairs by way of un autre appel à GT-CFR. Pendant l. a. résolution, de nouvelles requêtes récursives peuvent être rajoutées au tampon de requêtes ; Séparément, le réseau (C) est formé sur de petits a lot échantillonnés à partir du tampon de relecture pour prédire les valeurs et les objectifs politiques calculés par l’analyste. crédit: Avancement de l. a. science (2023). est ce que je: 10.1126/sciadv.adg3256
Une équipe de chercheurs en IA d’EquiLibre Applied sciences, Sony AI, Amii et Midjourney, en collaboration avec le projet Google DeepMind, a développé un système d’IA appelé Pupil of Video games (SoG) succesful de battre les humains dans une variété de jeux et d’apprendre à jouer. . Nouveau. Dans leur article publié dans l. a. revue Avancement de l. a. scienceLe 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 lesquels les données générées par l’homme sont utilisées pour entraîner des systèmes informatiques. Cette technologie a des packages dans une variété de scénarios, parmi lesquels jouer à des jeux de société et/ou à des jeux de société.
Apprendre à un ordinateur remark jouer à un jeu de société, puis améliorer ses capacités au level où il peut battre les humains est devenu une sorte de jalon, démontrant à quel level l’intelligence artificielle est devenue avancée. Dans cette nouvelle étude, l’équipe de recherche a franchi une nouvelle étape vers l’intelligence artificielle générale, où un ordinateur peut effectuer des tâches considérées comme surnaturelles.
Jusqu’à présent, l. a. plupart des systèmes informatiques conçus pour jouer à des jeux de société se concentraient sur un seul jeu, comme les échecs. En construisant de tels systèmes, les scientifiques ont développé un sure kind d’intelligence artificielle limitée. Dans ce nouveau projet, les chercheurs ont construit un système clever succesful de jouer à une variété de jeux nécessitant différentes compétences.
Dans les jeux, il existe deux principaux sorts de jeux : ceux avec des connaissances complètes ou incomplètes. Le premier est celui dans lequel les deux joueurs ont une connaissance complète du jeu, comme l’emplacement de toutes les pièces du jeu. Ce dernier est similaire au poker, où seule une partie des informations impliquées est connue des joueurs individuels. Non seulement SoG peut jouer aux deux sorts de jeux ; Il peut battre des humains professionals.
Jusqu’à présent, il a battu d’autres systèmes d’IA et d’autres humains au Move, aux échecs, à Scotland Backyard et au Texas Dangle’em Poker, et l’équipe de recherche suggère qu’il est vulnerable d’exceller dans d’autres sorts de jeux parce qu’il est succesful d’apprendre par lui-même remark pour jouer virtuellement. N’importe quel jeu.
Plus d’knowledge:
Martin Schmid et al., Jeux d’étudiants : un algorithme d’apprentissage unifié pour les jeux d’knowledge parfaits et imparfaits, Avancement de l. a. science (2023). est ce que je: 10.1126/sciadv.adg3256
© 2023 Internet de l. a. science
l. a. quotation: Le système d’IA des étudiants de jeu de Deep Thoughts peut battre les humains dans une variété de jeux (16 novembre 2023) Récupéré le 16 novembre 2023 sur
Ce record est soumis au droit d’auteur. Nonobstant 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 à titre informatif uniquement.