Treinação de Inteligência Artificial para Jogos de Corrida

Treinamento de Inteligência Artificial para Jogos de Corrida

If you’re um ser humano, provavelmente aprende a jogar em jogos digitais observando a tela e pressionando botões, e talvez copiando como as outras pessoas jogam. A [tryfonaskam] recentemente tentou ensinar uma IA a jogar de uma forma semelhante.

Ele construiu o PILA—em inglês, Polytrack Imitation Learning Agent—ou seja, o agente de aprendizado de imitação de Politrack. Trata-se de um agente de IA projetado para jogar um simples jogo de corrida chamado Politrack. Em vez de programar o comportamento do agente manualmente, o PILA se treina através de aprendizado supervisionado, onde observa o estado de jogo via captura de tela e monitora as entradas do teclado feitas pelos jogadores humanos enquanto eles dirigem os trilhos. Em seguida, ele usa isso para guiar seu próprio comportamento, e aprende a jogar o jogo por conta própria.

Um Modelo de Inteligência Artificial que Aprende

Ao invés de usar modelos de rede neural profunda, o PILA usa uma abordagem simples de aprendizado supervisionado para aprender a jogar o jogo. Durante o processo de treinamento, ele recebe frames de tela a partir do motor de gráficos do jogo em tempo real, e então faz previsões das ações apropriadas e faz a entrada do teclado correta para navegar o carro pelo trilho.

Essa abordagem lembra projetos semelhantes em que uma IA aprender a jogar o Trackmania ou a tecnologia Drivatar na série de jogos de corrida Forza. Com o PILA, um novo modelo de aprendizado de máquina, você pode treinar sua própria IA para aprender a jogar jogos de corrida de forma semelhante aos humanos.

O PILA é um modelo inovador de inteligência artificial que aprende a jogar jogos de corrida. Embora seja um projeto simples, demonstra a capacidade da IA em aprender e melhorar a partir de feedback. Isso é um passo importante rumo à criação de sistemas mais avançados de aprendizado de máquina.