DeepMind do Google anunciou que estará fazendo uso do estúdio de desenvolvimento de jogos da Blizzard do jogo StarCraft II como uma plataforma de teste para a inteligência artificial (AI) e pesquisa de aprendizado de máquina, abrindo o meio ambiente em todo o mundo.
O anúncio, feito durante a conferência BlizzCon da Blizzard em Anahaim no domingo, viu as duas empresas construir um ambiente de investigação aberta para ser usado por qualquer pessoa em todo o mundo a partir de 2017, bem como por si só DeepMind.
“Temos trabalhado em estreita colaboração com a equipe de StarCraft II para desenvolver uma API que suporta algo semelhante ao bots anteriores escritos com uma interface ‘script’, permitindo o controle programático de unidades individuais e acesso ao estado do jogo completo (com algumas novas opções) “, disse a DeepMind .
“Em última análise, os agentes irão desempenhar diretamente de pixels, de modo a obter-nos, nós desenvolvemos uma nova interface baseada na imagem que gera uma baixa resolução simplificada de dados de imagem RGB para mapa e mini mapa, e a opção de sair características em separadas ‘camadas’, como terreno heightfield, tipo de unidade, a saúde da unidade, etc. ”
Os dois também estão trabalhando na criação de “cenários curriculares” – uma escada de tarefas cada vez mais complexas para que os pesquisadores de inteligencia artificial de qualquer nível possam obter seu funcionamento do sistema, algoritmos de referência, e avançar. StarCraft II também terá ferramentas de edição para permitir flexibilidade e controle para os investigadores participantes.
De acordo com a DeepMind, jogos de vídeo são uma das melhores maneiras de testar e desenvolver inteligencia artificial, com a empresa chamando StarCraft II “o auge da 1v1 jogos de vídeo competitivos”.
“DeepMind está em uma missão científica para ultrapassar os limites da inteligencia artificial, desenvolvendo programas que possam aprender a resolver qualquer problema complexo sem a necessidade de ser dito”, disse DeepMind.
“Os jogos são o ambiente perfeito em que pode ser feito, o que nos permite desenvolver e testar algoritmos de inteligencia artificial mais inteligente, mais flexíveis com rapidez e eficiência, e também fornecendo feedback instantâneo sobre como estamos fazendo através de pontuações.”
StarCraft II está mais perto de um ambiente do mundo real do que qualquer outro jogo que tenha utilizado para testes de medida, disse DeepMind, uma vez que é jogado em tempo real.
“As habilidades necessárias para um agente à progredir através do ambiente e jogar StarCraft bem poderia finalmente transferir para tarefas do mundo real”, alegou.
Ao jogar StarCraft, o sistema de inteligencia artificial terá que vir acima com estratégias em tempo real para escolher uma das três raças distintas no início do jogo; escolher quando e como cultivar minerais e de gás; decidir quando e quais os edifícios e unidades para construir; e aferição de áreas invisíveis do mapa e lembrando que informações de navegação ao longo do jogo.
Um motor de inteligencia artificial teria, portanto, fazer uso das habilidades de memória, mapeamento, planejamento de longo prazo, e adaptação às mudanças nos planos, utilizando informações que estará continuamente a ser recolhidos, que se traduz em planejamento hierárquico e aprendizado por reforço.
No mês passado, pesquisadores da DeepMind anunciaram que desenvolveram uma inteligencia artificial que armazena o conhecimento como um mapa, permitindo-lhe navegar tais sistemas complexos como o metro de Londres.
O diferencial do computador neural da deepmind (DNC) treina sua memória através de um processo de comparação das suas próprias respostas com as respostas corretas, cada vez aproximando-se produzir respostas corretas.
“Queríamos testar DNCs sobre os problemas que envolvem a construção de estruturas de dados e usando essas estruturas de dados para responder a perguntas. Estruturas de dados Gráficos são muito importantes para a representação de itens de dados que podem ser arbitrariamente ligados para formar caminhos e ciclos,” explicaram os pesquisadores da DeepMind Alexander Graves e Greg Wayne em outubro deste ano.
“Quando descrevemos as estações e linhas do metro de Londres, poderíamos perguntar a um DNC para responder a perguntas como: ‘A partir de rua bond, e tomando a linha Central em uma direção de uma parada, a linha Circle em uma direção para quatro paradas, e a linha Jubilee em uma direção para duas paradas, em que ponto acabaria? ‘. Ou, o DNC pode planejar rotas dadas a perguntas como “Como é que você começará a partir de Moorgate para Piccadilly Circus?’.”
O DNC tinha uma precisão média de 98,9 por cento, após a adição de memória externa.
DeepMind também anunciou recentemente o desenvolvimento de uma rede neural profunda que produz sistemas de texto com um humano fala.
A rede neural diminuiu a diferença entre o discurso gerado por máquina e fala humana em cerca de 50 por cento, DeepMind disse em setembro, tanto para US Inglês e fala mandarim chinês.
DeepMind também está fazendo parceria com Serviço Nacional de Saúde do Reino Unido para experimentar com o uso de aprendizado de máquina para planejar o uso de radioterapia para a cabeça individual e pacientes com câncer cervical, que poderia melhorar os tempos de espera para procedimentos e liberar mais tempo para os médicos em todo o país.
“Para estes cancros, segmentação [planejamento de radioterapia] pode demorar cerca de quatro horas. E mesmo que equipe de especialistas do UCLH são líderes nacional neste processo, ainda há potencial de inovação. Achamos que a aprendizagem de máquina poderia fazer a diferença “, disse DeepMind em setembro deste ano.
