ربات پینگ پنگ گوگل

ربات پینگ پنگ گوگل را تماشا کنید که یک رالی 340 ضربه ای را انجام می دهد

ربات پینگ پنگ گوگل: گویی در هر بازی رومیزی موجود هوش مصنوعی که پوست انسان را برنزه می‌کند کافی نبود، هوش مصنوعی گوگل یکی از آنها را دارد که همه ما را در پینگ پنگ نابود می‌کند. در حال حاضر آنها تاکید می کنند که این “همکاری” است، اما با سرعتی که این چیزها بهبود می یابند، در کوتاه ترین زمان به نتایج مثبتی دست پیدا می کند.
این پروژه که i-Sim2Real نام دارد، فقط مربوط به پینگ پنگ نیست، بلکه در مورد ساخت یک سیستم روباتیک است که می تواند با رفتارهای سریع و نسبتاً غیرقابل پیش بینی انسانی کار کند. پینگ پنگ، تنیس روی میز AKA، این مزیت را دارد که بسیار محدود است (برخلاف بازی بسکتبال یا کریکت) و تعادل بین پیچیدگی و سادگی نقش ایفا می کند.
“Sim2Real” راهی برای توصیف فرآیند ایجاد هوش مصنوعی است که در آن به یک مدل یادگیری ماشینی آموزش داده می‌شود که در یک محیط مجازی یا شبیه‌سازی چه کاری انجام دهد، سپس آن دانش را در دنیای واقعی اعمال می‌کند. زمانی که رسیدن به یک مدل کارآمد ربات پینگ پنگ گوگل ممکن است سال‌ها آزمون و خطا طول بکشد، ضروری است. یادگیری آن در یک سیم کارت برای یک هوش مصنوعی به شما امکان می‌دهد سال‌ها آموزش بلادرنگ را در چند دقیقه یا چند ساعت انجام دهید.
اما همیشه نمی توان کاری را در سیم کارت انجام داد. به عنوان مثال اگر یک ربات نیاز به تعامل با انسان داشته باشد چه می شود؟ شبیه سازی آن چندان آسان نیست، بنابراین برای شروع به داده های دنیای واقعی نیاز دارید. در نهایت با یک مشکل مرغ و تخم‌مرغ مواجه می‌شوید: شما داده‌های انسانی ندارید، زیرا به آن نیاز دارید تا رباتی را بسازید که انسان با آن تعامل داشته باشد و آن داده‌ها را در وهله اول تولید کند.
محققان گوگل با شروع ساده و ایجاد یک حلقه بازخورد از این دام فرار کردند:
[i-Sim2Real] از یک مدل ساده از رفتار انسان به عنوان یک نقطه شروع تقریبی استفاده می کند و بین آموزش شبیه سازی و استقرار در دنیای واقعی متناوب است. در هر تکرار، هم مدل رفتار انسانی و هم خط مشی ربات پینگ پنگ گوگل اصلاح می شود.
بد نیست با یک تقریب بد از رفتار انسان شروع کنید، زیرا ربات همچنین تازه شروع به یادگیری کرده است. داده های واقعی انسانی بیشتری با هر بازی جمع آوری می شود، دقت را بهبود می بخشد و به هوش مصنوعی اجازه می دهد اطلاعات بیشتری کسب کند.
این رویکرد به قدری موفق بود که ربات تنیس روی میز این تیم توانست یک رالی 340 ضبره ای را انجام دهد. آن را بررسی کنید:
همچنین می تواند توپ را به مناطق مختلف برگرداند، البته نه با دقت ریاضی، اما به اندازه کافی خوب است که می تواند شروع به اجرای یک استراتژی کند. این تیم همچنین رویکرد متفاوتی را برای یک رفتار هدفمندتر، مانند بازگرداندن توپ به نقطه ای بسیار خاص از موقعیت های مختلف، امتحان کرد. باز هم، این در مورد ایجاد ماشین پینگ پنگ نهایی نیست (اگرچه این یک نتیجه محتمل است) بلکه یافتن راه هایی برای تمرین موثر با و برای تعاملات انسانی بدون اینکه مردم هزاران بار یک عمل مشابه را تکرار کنند.

بیشتر بخوانید: 6 تا از بهترین تبلت های سفر در سال 2024

تالیف:
فروشگاه اینترنتی آ.اس.پ (اقتباس از مقاله‌ای از Engadget)
در صورت استفاده از این مقاله، نام و آدرس فروشگاه اینترنتی آ.اس.پ را به عنوان منبع ذکر کنید.