online casino philippines gcash Google y el futbol – Artificial Inventive

Google y el futbol

¿Google, Inteligencia Artificial y fútbol?

Karol Kurach y sus colegas del Brain Team de Google Research han creado un videojuego de fútbol llamado Google Research Football Environment para permitir a los investigadores probar sus algoritmos en un mundo basado en la física, personalizable, fácil de usar y reproducible. Han hecho que este mundo esté disponible con una licencia de código abierto para que los investigadores en cualquier lugar puedan usarlo para desarrollar mejores algoritmos de juego de fútbol.

Algunos antecedentes. Uno de los desafíos para los investigadores de IA es encontrar tareas que ofrezcan nuevos problemas para los algoritmos de aprendizaje automático. Los videojuegos sencillos como Pong o Breakout a veces son demasiado fáciles para estos algoritmos, que pueden lograr un rendimiento sobrehumano después de unas pocas horas de entrenamiento.

Pero algunos de los videojuegos más complejos, como Starcraft, son demasiado desafiantes. Starcraft es un juego de estrategia en tiempo real para múltiples jugadores y se desarrolla en un gran universo en línea. Los investigadores de IA se han interesado porque les permite jugar contra otros humanos y contra sistemas de IA basados ​​en juegos en entornos complejos.

Sin embargo, el juego es tan vasto e intrincado que requiere enormes recursos computacionales para recopilar datos relevantes y entrenar un sistema de aprendizaje automático. Y estos recursos no están disponibles para la mayoría de los investigadores.

Otro problema es que muchos entornos en línea se ejecutan en código propietario que los investigadores no pueden cambiar o incluso ver. Eso hace que sea imposible saber cómo el juego toma decisiones importantes o experimentar con diferentes procesos de toma de decisiones.

Finalmente, muchos juegos son completamente deterministas: se jugarán exactamente de la misma manera con las mismas entradas. Eso los hace fáciles de aprender para los algoritmos.

Pero no es así como funcionan las cosas en el mundo real, donde la capacidad de hacer frente a acciones inesperadas es una habilidad importante. La única forma para que las máquinas aprendan esta habilidad es entrenando en entornos impredecibles. Pero la imprevisibilidad debe ser controlable: demasiado poco y el juego es demasiado fácil, mientras que demasiado dificulta el aprendizaje. Crear un entorno así es complicado.

Ahí es donde entran los simuladores de fútbol. Estos tienen ciertos niveles de previsibilidad basados ​​en la física del juego, pero también cuentan con mucha imprevisibilidad que surge de las tácticas de los jugadores oponentes.

Entonces Kurach y sus colegas han construido su propio simulador. Como base, utilizaron un juego disponible públicamente llamado Gameplay Football, que permite juegos de fútbol completos con goles, faltas, corners, penales, fuera de juego, etc. “The Football Environment ofrece una simulación de fútbol en 3D basada en la física en la que los agentes deben controlar a sus jugadores, aprender a pasar entre ellos y a superar la defensa de su oponente para marcar goles”, dice el equipo de Google.

Los investigadores han modificado esto para proporcionar una medida de éxito para las máquinas, en función de lo cerca que la máquina pueda maniobrar la pelota hacia la meta del oponente de manera controlada. Esto es necesario porque la medida estándar de éxito (hacer un gol) refleja un evento relativamente raro y no proporciona una forma para que las máquinas analicen su progreso de un momento a otro.

El equipo también ha creado varios entornos estándar de diversa complejidad en los que entrenar y probar máquinas de IA.  La prueba general es un juego estándar con todas las reglas habituales, jugado contra un oponente basado en máquina.

El algoritmo de aprendizaje puede jugar contra otras máquinas o contra humanos. Esto le da experiencia con una amplia gama de estrategias. Y evita el escenario en el que la máquina simplemente aprende las debilidades de un oponente basado en la máquina, que puede no ser aplicable a los juegos en general. “Esto proporciona un problema de aprendizaje de refuerzo desafiante ya que el fútbol requiere un equilibrio natural entre el control a corto plazo, los conceptos aprendidos como el pase y la estrategia de alto nivel”, dicen Kurach y sus colegas.

Ese es un trabajo interesante que tiene el potencial de ayudar al aprendizaje automático a trabajar en entornos más realistas. Pero también plantea la posibilidad de que las máquinas aprendan nuevas estrategias de fútbol que los humanos nunca han considerado, tal como lo hicieron para el juego Go.

Estas son tácticas que incluso podrían jugarse en torneos de robo-soccer, o incluso en juegos entre humanos.

Si estas estrategias funcionan tan bien para el fútbol real como para la variedad simulada, será una pregunta interesante. Eso será fascinante tanto para los investigadores de IA como para los fanáticos del fútbol.

 

Ref: arxiv.org/abs/1907.11180 : Google Research Football: A Novel Reinforcement Learning Environment

Deja un comentario

Tu dirección de correo electrónico no será publicada.