
Грай у AI Learning Simulator безкоштовно: Steam.
Безкоштовна навчальна лабораторія ШІ. Створіть тіло тварини та дозвольте нейронним мережам виявляти рух через покоління випробувань. Дослідіть, як вхідні дані, контроль і оцінка формують поведінку. Зберігайте, порівнюйте та діліться результатами.
Зробіть процес навчання ШІ видимим У кота є тіло, суглоби та приводи. Тепер потрібно знайти спосіб рухатися вперед. Його перші спроби можуть бути незграбними: кінцівки заважають одна одній, втрачається рівновага, а велике зусилля майже не рухається. Після багатьох поколінь випробувань деякі дії починають давати корисне зміщення. Деякі стратегії контролю зберігаються, і можуть з'явитися нові способи пересування. AI Learning Simulator — це безкоштовна навчальна та спостережлива гра на основі фізики. Проектуйте тіла, налаштовуйте параметри, проводите навчання та спостерігайте, як нейронні мережі шукають ефективну поведінку в межах обмежень тіла та його середовища. Кожне вдосконалення може стати конкретним експериментом зі штучного інтелекту. Створіть тіло, а потім спостерігайте, як воно навчається Почніть із кота, слона, жирафа, коня чи двоногого. Налаштуйте розмір, пропорції кінцівок і вагу або детальніше відредагуйте кісткові сегменти, суглоби та точки кріплення приводу. Ці параметри безпосередньо змінюють проблему навчання. Довші ноги змінюють як діапазон рухів, так і умови рівноваги. Більш важке тіло збільшує навантаження. Переміщення точок кріплення приводу змінює його плече моменту навколо шарніра. Один і той же контролер може давати дуже різні результати в різних тілах. Рух виникає в результаті комбінованого впливу структури тіла, можливостей приводу та стратегії керування. Скелет визначає, як тіло може рухатися, приводи подають силу, а нейронна мережа організовує керуючі сигнали з його входів. Текстури надають персонажу зовнішність; рух має проявити себе у фізичній симуляції. Як нейронна мережа перетворює стани на дії У поточній моделі керування грою мережа отримує відносне розширення кожного лінійного приводу. Ці значення є його способом спостереження за тілом. Значення проходять через зв'язки з різною вагою. Нейрони також мають зміщення та функції активації. Для одного нейрона обчислення можна розуміти як: Вихід = функція активації (Σ(вхід × вага зв’язку) + зсув) Ваги визначають вплив кожного входу. Зміщення зміщує реакцію нейрона. Функції активації дозволяють мережі формувати більш складні, нелінійні відносини. Вузли та з’єднання працюють разом, щоб виробляти вихідні сигнали керування для приводів. Зміна параметрів мережі змінює те, як організм реагує на той самий стан. Кожна піднята нога, момент опори або втрати рівноваги відповідає послідовності чисельних розрахунків і фізичного зворотного зв'язку. Рух формується завдяки постійному зворотному зв'язку Контроль не закінчується після одного розрахунку. Стани приводу входять у мережу. Він видає керуючі сигнали. Актуатори рухають суглоби. Гравітація та контакт із землею впливають на тіло. Отриманий стан стає входом для наступного обчислення. Цей цикл продовжується: Стан тіла → нейронна мережа → керування приводом → фізичний рух → новий стан тіла Ефект виходу також залежить від поточної пози тіла, руху та умов контакту. Одна і та сама активація може мати різні наслідки, коли нога коливається в повітрі та коли вона торкається землі. Ритм ходи та координація можуть поступово з’являтися через зворотний зв’язок між контролером, тілом та середовищем. Спостереження за рухом також означає спостереження за цим замкнутим циклом у роботі. Як навчання змінює поведінку Гра переважно шукає стратегії контролю через нейроеволюцію. Навчання оцінює сукупність мереж-кандидатів. З різними параметрами керування кожен намагається рухатися у власній фізичній симуляції. Після кожного покоління система порівнює продуктивність, дозволяє кращим стратегіям впливати на наступне покоління та вводить нові спроби шляхом мутації. Процес повторюється: • 1. Створіть популяцію контрольних мереж-кандидатів. [/*] • 2. Проводьте фізичні випробування протягом фіксованого часу. [/*] • 3. Партитурне виконання рухів. [/*] • 4. Зберігайте деякі кращі стратегії та створюйте модифіковані мережі. [/*] • 5. Перевірте ще раз і продовжуйте порівнювати. [/*] Зміни можуть впливати на ваги з’єднань і зміщення нейронів або додавати вузли та з’єднання. Сама структура мережі може бути частиною пошуку. Важлива відмінність: під час випробування контролер повторно обчислює свої поточні параметри. Між поколіннями навчання шукає нові параметри шляхом відбору та мутації. Персонаж, що рухається, показує поточну стратегію, яка виконується. Різниця між поколіннями показує результати навчання. Те, що він дізнається, залежить від того, як ми його оцінюємо Поточне основне завдання полягає в тому, щоб просунутися якомога далі протягом фіксованого часу. Продуктивність оцінюється в основному за найдальшою горизонтальною позицією, яку досяг персонаж. Ця проста мета може дати багато цікавих спостережень. Рухатися далі не обов’язково означає рухатися більш природно. Добрий результат під час короткого випробування не гарантує стабільності протягом тривалого. Сила та енергія стримують дії, але дистанція, елегантність руху та енергоефективність залишаються різними цілями. Навчання покращує визначену нами метрику. Питання для людини, яка розробляє експеримент, — чи повністю цей показник відповідає нашим очікуванням. Коли з’являється несподіваний рух, озирніться назад: які вхідні дані ми надали, які дії ми дозволили та які правила ми використовували для визначення успіху? Розуміння цих питань є частиною розуміння штучного інтелекту. Навчання може зупинитися і обмежене його умовами Прогрес під час навчання рідко буває рівномірним. Іноді ціла партія спроб виявляється неефективною. Іноді невелика зміна приносить явне покращення. В інших випадках продуктивність може залишатися однаковою протягом багатьох поколінь. Розмір популяції впливає на кількість спроб, мутація впливає на ступінь дослідження, а структура тіла визначає можливий рух. Більше поколінь надає більше можливостей пошуку, але не може гарантувати, що кожне тіло навчиться стабільно ходити. Більше нейронів також не означає автоматично кращу стратегію. Інтерпретуйте кожен результат разом із його корпусом, можливостями приводу, тривалістю оцінки та правилами оцінки. Підрахунок генерації записує, скільки раундів оцінювання відбулося; фактичні здібності все одно повинні оцінюватися через продуктивність. Змініть умови, потренуйтеся знову та порівняйте результати різних експериментів. Збережіть свої досліди Гра пропонує повний шлях від дизайну до спільного використання: • Виберіть шаблон тіла: почніть з кота, слона, жирафа, коня або двоногого. [/*] • Налаштуйте корпус і структуру приводу: змініть розмір, пропорції та вагу; редагувати з’єднання та точки кріплення приводу. [/*] • Налаштуйте навчання: налаштуйте розмір популяції, тривалість оцінки та параметри розвитку та спостерігайте за їхнім ефектом. [/*] • Перевірте продуктивність: спостерігайте за структурою мережі, сигналами приводу, показниками руху та тренуваннями. [/*] • Зберігайте та продовжуйте тренування: зберігайте конфігурацію тіла та найкращу стратегію, визначте результати за мініатюрами тварин і сукупною кількістю поколінь, а потім досліджуйте далі від збереженої стратегії. [/*] • Спостерігайте та порівнюйте на одному екрані: відтворюйте вивчені стратегії двох персонажів незалежно один від одного, щоб порівняти різні тіла чи контролери. [/*] • Змінюйте зовнішній вигляд і діліться: використовуйте шаблони шкіри тварин, людей і книжок з картинками. Завантажуйте або завантажуйте скіни та навчені результати через Майстерню Steam. [/*] Гра включає котячу стратегію, яку навчали загалом 280 поколінь. Повторіть його безпосередньо або використовуйте як відправну точку для подальшого навчання та спостерігайте за змінами. Спроби кота розкривають малу частину навчання ШІ У сценах із місячним світлом, зоряним небом і пшеничними полями в книжках із зображеннями не поспішайте спостерігати за стратегією контролю або перепроектуйте тіло та почніть власний експеримент. Здавалося б, простий рух вперед поєднує вхідне кодування, нейронні обчислення, динаміку тіла, правила оцінки та ймовірнісний пошук. Ми сподіваємося, що ця безкоштовна гра перетворить абстрактні концепції на процеси, які ви можете спостерігати, коригувати та перевіряти неодноразово. Створіть власне судження: яку інформацію отримує система, які дії вона може виконувати та за яких умов з’являється ефективна поведінка? Розроблено Magiccat і доступне безкоштовно. Навчання виконується локально на вашому комп’ютері. Функції Майстерні Steam вимагають входу в Steam.
Гра ще не вийшла — це ціна передзамовлення.