Googleov AI uspješno igra Minecraft

Dreamer otvara vrata primjeni sličnih tehnologija u stvarnom svijetu. Sustavi koji mogu 'predvidjeti' posljedice svojih akcija mogli bi značajno unaprijediti interakciju robota s fizičkim okruženjem

Mladen Smrekar petak, 4. travnja 2025. u 11:27
Algoritam se temelji na ideji učenja modela svijeta koji agentu daje bogatu percepciju i sposobnost zamišljanja budućnosti  📷 Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap
Algoritam se temelji na ideji učenja modela svijeta koji agentu daje bogatu percepciju i sposobnost zamišljanja budućnosti Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap 

Znanstvenici Google DeepMinda postigli su značajan napredak u umjetnoj inteligenciji razvojem sustava Dreamer koji je uspješno savladao složeni zadatak prikupljanja dijamanata u popularnoj videoigri Minecraft bez prethodne obuke. Ovaj zadatak zahtijeva niz koraka, uključujući sječu drveća, izradu alata i kopanje duboko pod zemljom, što je izazov čak i za ljudske igrače. Dreamer je prvi AI sustav koji je to postigao samostalno, koristeći tehniku pojačanog učenja i modeliranje svijeta.

Proces treniranja Dreamera 📷 Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap
Proces treniranja Dreamera Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap 

Dreamer koristi "model svijeta" kako bi predvidio posljedice svojih akcija prije nego ih izvrši. Ova sposobnost omogućuje mu da "zamišlja" budućnost i donosi odluke na temelju potencijalnih nagrada. Za razliku od prijašnjih metoda koje su se oslanjale na podatke dobivene iz ljudskih igara, Dreamer je učio isključivo kroz vlastitu interakciju s igrom. Tijekom devet dana neprekidne igre, AI je uspio dostići razinu ljudskih igrača u brzini pronalaska dijamanata.

Različite vizualne domene korištene u eksperimentima 📷 Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap
Različite vizualne domene korištene u eksperimentima Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap 

Minecraft, s nasumično generiranim svjetovima i složenim zadacima, poslužio je kao idealno okruženje za testiranje sposobnosti generalizacije ovog AI sustava. Prema istraživačima, ovaj uspjeh predstavlja korak prema razvoju opće umjetne inteligencije koja može primijeniti naučeno znanje na različite domene.

Video predviđanja modela svijeta 📷 Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap
Video predviđanja modela svijeta Danijar Hafner , Jurgis Pasukonis, Jimmy Ba & Timothy Lillicrap 

Osim uspjeha u igri, Dreamer otvara vrata primjeni sličnih tehnologija u stvarnom svijetu, primjerice u robotici. Sustavi koji mogu "predvidjeti" posljedice svojih akcija mogli bi značajno unaprijediti interakciju robota s fizičkim okruženjem. Ovo istraživanje objavljeno je u časopisu Nature i označava važan trenutak u razvoju umjetne inteligencije.