Как опытный криптоинвестор, проявляющий большой интерес к технологиям и их последствиям для будущего, я нахожу последний проект Google DeepMind увлекательным. Будучи свидетелем эволюции ИИ со стороны, я всегда заинтригован тем, как эти продвинутые системы раздвигают границы того, что когда-то считалось невозможным.
8 августа компания Google DeepMind опубликовала в социальной сети, ранее известной как Twitter, о своем недавнем исследовании роботов, играющих в настольный теннис.
В составе Alphabet Inc., материнской компании Google, находится Google DeepMind — известный исследовательский центр искусственного интеллекта (ИИ). Он был создан путем объединения двух новаторских команд в области искусственного интеллекта: Google Brain и первоначальной команды DeepMind. Это сотрудничество вывело Google DeepMind на передний край разработки искусственного интеллекта, сосредоточив внимание на создании сложных систем искусственного интеллекта, способных решать сложные научные и инженерные проблемы.
Основанная в 2010 году, компания DeepMind в первую очередь фокусировалась на глубоком обучении с подкреплением — уникальном сочетании глубокого обучения и обучения с подкреплением. Такой подход привлек внимание к DeepMind благодаря изобретению AlphaGo, системы искусственного интеллекта, которая стала первой, которая перехитрила игрока в го мирового класса, и это стало важной вехой, опередившей свое время на целое десятилетие. Эта победа проложила путь к дальнейшему прогрессу в технологии искусственного интеллекта, кульминацией которого стало создание AlphaFold, искусственного интеллекта, способного предсказывать структуры белков с невероятной точностью, что значительно изменило биологическую дисциплину.
В 2023 году Google объединила свои исследовательские подразделения в области искусственного интеллекта в единую организацию, известную как Google DeepMind, с целью рационализации их усилий и ускорения развития искусственного интеллекта. Их текущей инициативой является Gemini, усовершенствованная модель искусственного интеллекта, которая, по-видимому, превосходит некоторые существующие модели, такие как GPT-4, по конкретным показателям производительности.
В обсуждении X в Google Deepmind настольный теннис был популярным выбором в исследованиях робототехники на протяжении десятилетий из-за уникального сочетания быстрых физических действий, стратегического мышления и точности. С 1980-х годов ученые использовали эту игру в качестве испытательного полигона для оттачивания и улучшения способностей роботов, что сделало ее подходящим предметом для новейших исследований Google DeepMind, ориентированных на искусственный интеллект.
Компания Google DeepMind инициировала процесс обучения своего робота для настольного тенниса, собрав в качестве основы всеобъемлющую коллекцию начальных состояний мяча. В этот сборник вошли такие важные аспекты, как положение, скорость и вращение мяча, ключевые элементы определения и прогнозирования траектории мяча во время игры. Имея в своем распоряжении обширное хранилище данных, робот оттачивал свои навыки в различных техниках настольного тенниса, таких как топспин справа, прицеливание слева и ответная подача.
Будучи исследователем, я сначала приступил к обучению своего роботизированного творения в условиях настольного тенниса, созданных в цифровой форме. Это позволило ему отточить свои навыки в контролируемом пространстве, которое точно отражало физику реальных игр в настольный теннис. Как только робот доказал свою компетентность в этой виртуальной среде, я проверил его против людей в реальных матчах. Эти встречи предоставили свежие данные, которые позже были включены в моделирование, тем самым еще больше оттачивая способности робота. Это создало непрерывный цикл, в котором моделирование и реальный опыт подпитывали друг друга для постоянного улучшения.
Важным аспектом этого проекта является робот, который адаптируется к различным противникам благодаря конструкции Google DeepMind. Этот робот учится и анализирует движения и предпочтения своих противников-людей, например, где они обычно возвращают мяч. Эта адаптивность позволяет роботу тестировать несколько стратегий, оценивать степень их успеха и мгновенно корректировать свой подход, подобно игроку-человеку, меняя тактику в зависимости от поведения противника.
В ходе нашего исследования робот-участник сразился с 29 противниками-людьми с разными способностями, от новичков до экспертов. Его производительность была тщательно изучена на всех уровнях квалификации, и выяснилось, что в целом он сравним с любителями среднего уровня. Однако в матчах с более опытными игроками робот показал свои ограничения. Google DeepMind признал, что робот изо всех сил пытался последовательно побеждать опытных игроков, указав на такие факторы, как скорость реакции, возможности камеры, управление вращением и сложность моделирования свойств резины весла, как на потенциальные препятствия.
Команда Google DeepMind завершила свое исследование, обдумывая более широкие последствия своих выводов. Они подчеркнули, что такие виды спорта, как настольный теннис, предлагают благодатную почву для экспериментов и улучшения способностей роботов. Точно так же, как люди могут справляться со сложными задачами, требующими физического мастерства, восприятия и стратегического мышления, так и роботы могут справиться с ними при наличии подходящей подготовки и адаптивных систем. Это исследование не только продвигает вперед область робототехники, но и проливает свет на обучающие машины для решения сложных реальных задач, что может проложить путь для будущих достижений в области искусственного интеллекта и робототехники.
Исследования роботизированного настольного тенниса являются ведущим примером в этой области с 1980-х годов. Робот должен преуспеть не только в базовых навыках, таких как возврат мяча, но и в продвинутых способностях, таких как разработка стратегий и долгосрочное планирование для достижения своих целей.
— Google DeepMind (@GoogleDeepMind), 8 августа 2024 г.
Смотрите также
- Прогноз нефти
- Курс юаня прогноз
- Анализ биткоина: тенденции рынка криптовалют BTC
- Курс доллара к юаню прогноз
- Анализ Kaspa: тенденции рынка криптовалют KAS
- Анализ Xraders: тенденции рынка криптовалют XR
- Криптоинвестиционные продукты демонстрируют рекордный приток $13,8 млрд при сиянии $BTC, $SOL и $LTC
- Мировые фондовые рынки потеряли 4,1 триллиона долларов за неделю из-за крупнейшего за два года краха
- Криптотрейдер превращает 80 000 долларов в 1,2 миллиона долларов, но быстро возвращает все обратно
- Анализ Artificial Superintelligence Alliance: тенденции рынка криптовалют FET
2024-08-09 07:09