شهرآرانیوز؛ DeepMind در یک مقاله تحقیقاتی، گفته که ربات آنها در ۱۳ بازی از ۲۹ بازی، حریفان آماتور خود را در مسابقات کامل شکست داده است. مسلماً، این ربات هنوز نمیتواند با حرفهایها مسابقه بدهد، اما دستیابی به سطح مهارت آماتوری یک شاهکار چشمگیر برای یک سیستم هوش مصنوعی است.
پاناگ سانکتی، مهندس DeepMind، میگوید: چند ماه پیش، ما پیشبینی کردیم که این ربات ممکن است نتواند در برابر افرادی که قبلاً با آنها بازی نکرده، پیروز شود، اما فراتر از انتظارات ما عمل کرد. روشی که این ربات بر حریفان قوی غلبه کرد بسیار شگفتانگیز بود.
DeepMind برای آموزش خودکار پینگ پنگ به ربات خود از یک رویکرد دو جانبه استفاده کرد؛ اول، سیستم از طریق شبیهسازیهای رایانهای و با تقلید از فیزیک و گیمپلی واقعی تنیس روی میز، به مهارت ضربهزنی مسلط شد. سپس، تیم سازنده این مهارتها را با دادههای دنیای واقعی هماهنگ کردند.
در طول بازیهای زنده، ربات از یک جفت دوربین برای ردیابی موقعیت توپ استفاده میکند. همچنین فناوری ضبط و ردیابی حرکات حریف انسانی به شناسایی سبک بازیها یاری میرساند. پس ربات هر چه بازیهای بیشتری انجام دهد عملکردش بهتر میشود.
البته ربات در بازی با بازیکنانی که میتوانند چرخش فوقالعادهای به توپ بدهند، چندان خوب عمل نمیکند، زیرا نمیتواند چرخش توپ را اندازهگیری کند. DeepMind فکر میکند ارتقای مدلسازی هوش مصنوعی در پیشبینی و تشخیص برخورد هوشمندتر میتواند به حل این مشکلات کمک کند.
این ربات یک گام مهم به سمت ساخت هوش مصنوعیای است که میتواند وظایف فیزیکی پیچیدهای را با خیال راحت در محیطهای طبیعی مانند خانهها یا انبارها انجام دهد.