متن خبر

هوش مصنوعی DeepMind گوگل اکنون می تواند تنیس روی میز را در سطح رقابتی بازی کند

هوش مصنوعی DeepMind گوگل اکنون می تواند تنیس روی میز را در سطح رقابتی بازی کند

شناسهٔ خبر: 690104 -




Google DeepMind AI در حال بازی تنیس روی میز
این ربات قطعا می تواند خود را حفظ کند (اعتبار تصویر: Google)

قبل از اینکه هوش مصنوعی جهان را تحت سلطه خود درآورد، به نظر می‌رسد ابتدا ما را در تنیس روی میز شکست خواهد داد: گوگل گزارش داده است که رباتی از هوش مصنوعی DeepMind خود استفاده می‌کند و اکنون می‌تواند پینگ‌پنگ را تا سطح عملکرد انسانی آماتور بازی کند. .

آزمایشگاه DeepMind جایی است که گوگل روی برخی از پیشرفته‌ترین فناوری‌های هوش مصنوعی خود کار می‌کند و ما قبلاً آزمایش‌های عملی DeepMind را دیده‌ایم: همه چیز از گفت ن صدا به ویدیوهای بی‌صدا به هوش مصنوعی، تا کشف مواد جدید .

در مقاله‌ای جدید، محققان گوگل می‌گویند ربات تنیس روی میز آن‌ها توانسته در ۱۳ مسابقه از ۲۹ مسابقه با انسان‌ها برنده شود و میزان موفقیت آن بر اساس توانایی بازیکنانی که با آن‌ها رقابت می‌کرد (از مبتدی تا پیشرفته) متفاوت است.

محققان می نویسند: "این اولین عامل روباتی است که قادر به انجام یک ورزش با انسان در سطح انسانی است و نشان دهنده نقطه عطفی در یادگیری و کنترل ربات است. " ربات ها برای انجام مهارت های مفید و دنیای واقعی.

نه خیلی سریع

به تنیس روی میز ربات رقابتی در سطح انسانی - یوتیوب" style="width:100%;text-align:right;direction:rtl"> تظاهرات - دستیابی به تنیس روی میز ربات رقابتی در سطح انسانی - یوتیوب تظاهرات - دستیابی <a href= به تنیس روی میز ربات رقابتی در سطح انسانی - یوتیوب" data-aspect-ratio="16/9" loading="lazy">
تماشا کنید

تنیس روی میز به‌عنوان پروژه‌ای توسط تیم DeepMind انتخاب شد، زیرا بسیاری از عناصر درگیر، از فیزیک حرکتی پیچیده گرفته تا هماهنگی دست و چشم که برای ادامه موفقیت‌آمیز ضربه زدن به توپ لازم است، انتخاب شد.

این ربات با تمرکز بر روی هر نوع شوت به طور جداگانه، از چرخش بک هند تا سرویس فورهند، آموزش داده شد. سپس این آموزش با یک الگوریتم سطح بالا ترکیب شد که هر بار برای انتخاب نوع شلیک لازم طراحی شده بود.

همانطور که ممکن است انتظار داشته باشید، ربات بیشترین مشکل را با عکس‌های سریع‌تر داشت (به هوش مصنوعی زمان کمتری برای فکر کردن در مورد اینکه چه کاری باید انجام دهد) و محققان در حال فکر کردن در مورد چگونگی بهبود سیستم هستند - از جمله اینکه چگونه آن را در بازی غیرقابل پیش‌بینی‌تر کنند.

حتی توانایی درونی برای یادگیری از استراتژی‌های حریف انسانی، و سنجش نقاط قوت و ضعف آنها وجود دارد. اگر به چالش‌های آموزش هوش مصنوعی و مقیاس‌بندی و اینکه چگونه روبات‌ها می‌توانند ترکیبی از مهارت‌های مورد نیاز برای مفید بودن در کارهای فیزیکی را توسعه دهند، ارزش خواندن مقاله کامل را دارد.

شما هم ممکن است دوست داشته باشید

مشارکت کننده آزاد

دیو یک روزنامه نگار مستقل در زمینه فناوری است که بیش از دو دهه در مورد ابزارها، برنامه ها و وب می نویسد. در استوکپورت، انگلستان، در TechRadar او را خواهید دید که اخبار، ویژگی‌ها و بررسی‌ها را پوشش می‌دهد، به‌ویژه برای تلفن‌ها، تبلت‌ها و پوشیدنی‌ها. دیوید برای اطمینان از اینکه پوشش اخبار فوری ما در تعطیلات آخر هفته بهترین است، در Gizmodo، T3، PopSci و چند مکان دیگر به‌علاوه، خطوط فرعی دارد، و همچنین سال‌هاست که کارهایی مانند PC Explorer و The Hardware Handbook را ویرایش می‌کند.

خبرکاو

ارسال نظر




تبليغات ايهنا تبليغات ايهنا

تمامی حقوق مادی و معنوی این سایت متعلق به خبرکاو است و استفاده از مطالب با ذکر منبع بلامانع است