Kako GTA pomaže samovozećim kolima da nauče da voze

Realistične kompjuterske igre mogle bi da omoguće samovozećim kolima da brže nauče da voze.

Aleksa Vidović - 16. Septembar, 2016.

Igranje GTA satima ima diskutabilne efekte na ljude. Sa samovozećim kolima je drugačija situacija.

Nekoliko grupa istraživača sada koriste ovu popularnu igru da bi trenirali algoritme koji bi mogli pomoći autonomnim vozilima da sama voze po putevima.

Postoji rizik da bi računar mogao da usvoji neke loše oblike ponašanja igrajući nasilne igre. Ipak, realistične situacije iz GTA i drugih virtuelnih svetova mogle bi pomoći računaru da bolje shvati elemente stvarnog sveta.

Mašinsko učenje je tehnika koja omogućava računarima da rade impresivne stvari, kao što je prepoznavanje objekata iz stvarnog sveta ili prepoznavanje ljudskog govora, skoro na nivou na kom to može i čovek. Ovaj pristup zahteva ogromne količine probranih podataka, i postaje sve izazovnije i vremenski zahtevnije prikupiti ih.

Scenariji mnogih igara toliko su realistični da ih je moguće iskoristiti za generisanje podataka koji su dobri skoro koliko i podaci prikupljeni na osnovu slika stvarnog sveta.

Algoritmi gladni podataka

Neki istraživači i ranije su gradili 3D simulacije uz pomoć game engine-a kako bi generisali podatke za treniranje svojih algoritama. Ipak, velike igre koje su odrađene na veoma visokom nivou nude lakši način za prikupljanje neophodnih količina podataka.

Za izvlačenje podataka iz igre Grand Theft Auto zaslužan je tim istraživača iz Intel Labsa i sa Darmštat Univerziteta u Nemačkoj.

Oni su kreirali softver koji se nalazi između igre i kompjuterskog hardvera koji automatski klasifikuje različite objekte u scenama sa puta u igri. Tim podacima se hrani algoritam mašinskog učenja, kojem to omogućava da prepoznaje automobile, pešake kao i druge prikazane objekte, bilo u igri ili na ulicama. Kako se navodi u radu koji su istraživači skoro objavili, bilo bi skoro nemoguće da se detalji sa svih snimaka ručno označe, na nivou na kojem to radi računar.

Jedan od najvećih problema sa algoritmima za mašinsko učenje upravo je njihova nezasitost podacima. Istraživači smatraju da su trenutne metode obrade materijala neskalabilne jer zahtevaju mnogo vremena uloženog od strane ljudi koji obeležavaju slike kako bi algoritam mogao da prepoznaje objekte.

Podaci iz igara kvalitetniji od onih iz realnog života?

Dva naučnika sa Univerziteta u Britanskoj Kolumbiji objavili su skoro rad u kojem su pokazali kako se video igre mogu koristiti za treniranje algoritama pomoću kojih računari mogu da “vide”. Pokazalo se da su podaci dobijeni iz igara jednako kvalitetni, a ponekad čak i bolji od onih koji su dobijeni na osnovu snimaka stvarnog sveta.

Takođe, učenje iz igre omogućava lakše prikupljanje podataka za različite vremenske uslove i faktore okoline. Isprobavanje svakog mogućeg scenarija u stvarnom životu bilo bi nepraktično, kao što je na primer zakucavanje automobila u zid pri visokoj brzini.

Pridruži se → prvo predstavljanje rada Tesla Nationa