اگر می خواهیم با اطمینان کامل هدایت خودروها یا مراقبت از فرزندانمان را به هوش مصنوعی بسپاریم، لازم کاری کنیم که رایانه های هوشمند از پس هر موقعیت غیر منتظره ای بربیایند. به نظر می رسد شیوه انجام بازی ها توسط انسان به حل این مسئله کمک می کند.

روش یادگیری ماشین برای آن که بتواند یک هوش مصنوعی پیشرفته را به وجود بیاورد، لازم دارد که مثال هایی از وقایع و موقعیت های حقیقی را دنیای واقعی مورد بررسی قرار دهد.

در مرحله بعد ماشین ها از گیمرهای حرفه ای می آموزند

امروزه بیشتر داده هایی که دانشمندان برای آموزش ماشین های هوشمند از آنها بهره می بردند از شبیه سازی های دیجیتالی نشات می گیرند، اما گروهی از محققین قصد دارند این رویه را تغییر دهند.

هدف این محققین آموزش هوش مصنوعی با استفاده از داده های به دست آمده از شیوه عملکرد انسان ها در حین بازی کردن و نحوه مواجهه آنها با معما ها موقعیت های مختلف است.

بدین منظور گروه تحقیق داده های آماری و ریاضی به دست آمده از انجام بازی های کنسول «Atari 2600» را برای ایجاد دیتای عملکردی در دنیای واقعی مورد استفاده قرار داده اند. چنین داده هایی می تواند در یادگیری ماشین به روش آزمون خطا و یا روش «یادگیری تقویتی» (reinforcement learning) مورد استفاده قرار بگیرند.

برای جمع آوری این دیتاها گروه تحقیق نسخه تحت وب چندین بازی مشهور Atari 2600 را به صورت عمومی منتشر کرده اند تا هرکس که تمایل داشته باشد بتواند به انجام آنها اقدام کند. تا به امروز حدود ۹.۷ میلیون فریم معادل ۴۵ ساعت گیم پلی توسط عده زیادی از مردم از سرتاسر دنیا جمع آوری شده است.

نتایج استفاده از چنین داده هایی برای یادگیری عمیق ماشین ها بسیار امیدوار کننده بوده است. در مرحله بعد دانشمندان قصد دارند از داده های به دست آمده از بازی گیمرهای حرفه ای برای هرچه توانمندتر ساختن هوش مصنوعی خود استفاده نمایند.

می توان گفت که در این روش، مجموعه ای عظیم از داده های مربوط به تصمیمات اتخاذ شده توسط ذهن انسان ها در مواجهه با موقعیت های جدید می تواند ماشین ها را نیز قادر به تصمیم گیری درست در موقعیت های غیر برنامه ریزی شده کند.