Microsoft slår Ms. Pac-Man ved å bruke et unikt multiagent AI-system

Et kunstig intelligensbasert system utviklet av Microsoft har oppnådd maksimalt mulig poengsum for Ms. Pac-Man-spillet, 999,990 XNUMX. Dette systemet ble utviklet av et team ved Maluuba, en kanadisk oppstart av dyp læring kjøpt opp av Microsoft tidligere i år. De brukte en del-og-hersk-metode som kunne ha brede implikasjoner for å lære AI-agenter å utføre komplekse oppgaver. Dette er en betydelig prestasjon siden AI-forskere alltid har funnet Pac-Man blant de vanskeligste å knekke. Maluuba-teamet kaller teknikken som brukes i dette systemet som Hybrid Reward Architecture. Les om det i detalj nedenfor,

Denne teknikken bruker mer enn 150 agenter, som hver jobbet parallelt med de andre agentene for å mestre Ms. Pac-Man. For eksempel ble noen agenter belønnet for å finne en bestemt pellet, mens andre fikk i oppgave å holde seg unna spøkelser. Deretter opprettet forskerne en toppagent – ​​omtrent som en seniorleder i et selskap – som tok imot forslag fra alle agentene og brukte dem til å bestemme hvor hun skulle flytte Pac-Man.

Toppagenten tok hensyn til hvor mange agenter som tok til orde for å gå i en bestemt retning, men den så også på intensiteten de ønsket å gjøre det trekket med. For eksempel, hvis 100 agenter ønsket å gå til høyre fordi det var den beste veien til deres pellet, men tre ønsket å gå til venstre fordi det var et dødelig spøkelse til høyre, ville det gi mer vekt til de som hadde lagt merke til spøkelsen og gå til venstre.

Teknikken er spesielt interessant fordi mange komplekse oppgaver som normalt vil være for vanskelige for maskinlæringssystemer å ta på seg, kan brytes ned i flere individuelle enklere oppgaver, med betydelige implikasjoner for mengden og typen arbeid AI snart vil kunne fortrenge.

Les mer om denne historien her..