DeepMind 인공 지능 팀은 가상 휴머노이드에게 공을 치면서 함께 일하는 방법을 가르쳤습니다. 동시에 아무도 게임의 규칙을 기계에게 설명하지 않았고 관찰과 반복을 통해 스스로 모든 것에 도달했습니다. 점차적으로 알고리즘의 지도 아래 현실적인 비율과 질량을 가진 서투른 작은 남자들이 해당 분야의 전문가로 변했습니다. AI가 축구의 기초 기술을 습득하는 데 리얼타임 24시간이 걸렸다. 그리고 팀에서 플레이하는 방법을 배우기 위해 3주가 더 있습니다.
Alphabet 소유 회사인 DeepMind의 경우 신경망에 게임을 가르치는 것이 일반적인 일이 되었습니다. 과거에 영국 전문가들은 이미 AI가 체스와 바둑을 마스터하고 포커와 컴퓨터 전략 스타크래프트를 마스터하도록 도왔습니다. 이제 야외 스포츠를 즐길 준비가 된 것 같습니다.
연구원들은 고급 AI 대 AI 조정 시스템을 만들기 위한 실험의 일환으로 축구 선수 모델을 훈련하여 2:2 공을 플레이하도록 했습니다. 영국인 고유의 축구에 대한 사랑뿐만 아니라 개발자의 노력은 인간과 동등하게 세상을 이해할 수 있는 보편적인 또는 강력한 인공 지능을 구축하는 글로벌 작업에 종속된다고 ZME Science는 씁니다.
새로운 DeepMind 프로젝트는 소위 신체 지능을 연구하려는 시도입니다. 언젠가는 보편적인 AI가 물질 세계에서 어떤 물리적 형태로 움직여야 하고 이 형태의 특성이 우주에서의 행동을 결정할 가능성이 있습니다.
저자는 블로그 게시물에서 "우리 에이전트는 통계적으로 입증된 민첩성, 패스, 분업과 같은 기술을 습득했습니다. "선수들은 고주파 모터 조절과 팀원 행동 평가를 포함하는 장기적인 의사 결정을 모두 보여주어 조화로운 팀 플레이로 이어집니다."
이 결과는 여러 단계를 거쳐 달성되었습니다. 먼저 실제 축구 경기의 비디오를 수집하여 AI가 플레이어의 움직임을 모방하도록 시도했습니다. 그런 다음 보상 기반 기계 학습 모델은 가상 스틱맨이 드리블을 연습하고 공을 정확하게 치는 데 도움이 되었습니다. 이 두 단계는 시뮬레이션 시간 규모에서 1.5년 또는 실시간 24시간이 필요했습니다.
그러나 더 복잡한 동작은 후속 모델링 이후에 나타나기 시작했습니다. 연구원들은 디지털 휴머노이드가 2:2 경기에서 가능한 한 많은 점수를 획득하도록 도전했습니다. 그 과정에서 3주 동안 패스를 하는 법 등 팀 플레이를 하는 법을 배웠다.
연습은 골킥이나 대결 없이 단순한 파울 규칙에 따라 진행되었습니다.
최근 DeepMind 신경망은 과학에 알려진 거의 모든 단백질의 구조를 밝혀냈습니다. 이전에는 2018년에 개발된 AlphaFold 알고리즘으로 그러한 단백질의 극히 일부만 구조를 풀 수 있었습니다.
2022-09-06 17:47:37
작가: Vitalii Babkin