Uma equipe de cientistas que fazem parte do Uber AI Labs ensinaram uma inteligência artificial para completar os jogos de plataforma dos anos 1980, como o Pitfall.
Os cientistas criaram uma série de algoritmos que são capazes de criar arquivos de suas áreas previamente exploradas, permitindo que a IA se lembre efetivamente de onde esteve em um nível. Ela pode então usar esse conhecimento para explorar ainda mais locais novos, ainda não investigados.
Este método difere da abordagem tradicional de IA de motivação intrínseca, que recompensa uma IA por encontrar novas áreas. Mas esse sistema pode fazer com que a IA se esqueça efetivamente de lugares que já esteve e de possíveis caminhos que se ramificam a partir dessas áreas que ainda não ocupou.
Usando esse novo método, a equipe conseguiu ensinar a IA como vencer jogos como Montezuma’s Revenge, Freeway e Pitfall; todos os clássicos de jogos complicados da era do Atari.
“Nosso método é realmente muito simples e direto, embora seja frequentemente o caso com descobertas científicas”, disse os cientistas Adrien Ecoffet, Joost Huizinga e Jeff Clune em uma entrevista para a BBC.
A chave para o funcionamento do novo design, conhecido como Go-Explore, é que ele é capaz de separar o processo de explorar novas áreas e retornar às antigas, e usa métodos diferentes para atingir esses dois objetivos.
Como costuma ser o caso na ciência, essa pesquisa está sendo feita com o objetivo muito maior de apenas ensinar um computador a jogar videogame. A equipe afirma que os algoritmos podem ser usados para guiar robôs em locais industriais, como baristas robóticos em uma cafeteria.
“Além da robótica, Go-Explore já viu algumas pesquisas experimentais no aprendizado de idiomas, onde um agente aprende o significado das palavras explorando um jogo baseado em texto e para descobrir possíveis falhas no comportamento de um carro que dirige sozinho,” acrescentou a equipe.
Fonte: IGN
