Robot Teknolojisinin Sınırları ve Masa Tenisi
Robot teknolojisinin ulaşabileceği yüksek seviyelere yaklaşmakta olduğumuz bir gerçek; ancak, insanların gerçekleştirebildiği bazı beceriler hala robotlar için birer engel olmaya devam ediyor. Google DeepMind’da çalışan bir ekip, yeni projelerinde, “Rekabetçi oyunlar, genellikle nefes kesici derecede dinamiktir, karmaşık hareket, hızlı göz-el koordinasyonu ve rakibin güçlü ve zayıf yönlerine uyum sağlayan üst düzey stratejiler içerir” ifadesini kullanıyor. Bu özellikler, masa tenisi gibi dinamik bir oyunu, robotların ustalaştığı satranç gibi statik strateji oyunlarından ayırıyor.
İnsan oyuncular, becerilerini geliştirmek için yıllarını eğitime adarken, DeepMind ekibi, insan rakipleriyle rekabet eden ve keyifli bir oyun deneyimi sunan robotlar geliştirme hedefiyle çalışmalarına başladı. Ekip, bu robotun alanındaki ilk örnek olduğunu iddia ediyor.
YENİ BAŞLAYAN HERKESİ YENDİ!
Ekip, robotu başlangıç seviyesinden ileri seviyeye kadar değişen beceri düzeylerine sahip 29 insanla karşılaştırarak test etti. Düzenlenen maçlar YouTube’da canlı yayınlandı. Maçlarda standart kural kitabı kullanıldığında, robotun servise atma yeteneği olmadığını belirtmekte fayda var.
Robot, yeni başlayan oyunculara karşı çıktığı tüm maçları kazandı; ancak, ileri seviye oyunculara karşı oynadığı tüm karşılaşmalarda mağlup oldu. Orta seviyedeki rakiplere karşı ise, robotun oyunların %55’ini kazanması, ekibin bu robotun masa tenisinde orta seviyedeki bir insanın becerisine ulaştığı sonucuna varmasına neden oldu. Daha da önemlisi, beceri seviyesinden bağımsız olarak tüm rakipler maçları “eğlenceli” ve “ilgi çekici” olarak değerlendirdi. Rakipleri, robotun zayıflıklarından yararlanabildikleri durumlarda bile keyifli vakit geçirdiler. İleri düzey oyuncular, bu tür bir sistemin antrenmanlarda oldukça faydalı olabileceğini belirtti.
NASIL EĞİTİLDİ?
Öncelikle, robotun her durumda en etkili beceriyi seçmesine yardımcı olacak bir beceri kütüphanesi tasarlandı. Robot, bu becerilerin tanımlarını, oyunun ilerleyişini ve rakibinin beceri seviyesine dair verileri bir araya getirerek, en uygun beceriyi seçme sürecini gerçekleştirdi.
Robot, başlangıçta az miktarda insan verisiyle eğitildi ve sonrasında aktif öğrenme yoluyla gelişmesine olanak tanıyan simülasyonlarla desteklendi. İnsan rakiplerle oynama deneyimi, robotun öğrenmesini ve uyum sağlamasını devam ettirdi. Projeye katkıda bulunan profesyonel masa tenisi koçu Barney J. Reed, şu ifadeleri kullandı: “Robotun her seviyeden ve tarzdan oyuncuyla oynamasını izlemek gerçekten harika. Başlarken amacımız robotun orta seviyede olmasıydı. Şaşırtıcı bir şekilde bunu başardı ve tüm sıkı çalışmaların karşılığını verdi. Robotun benim beklentilerimi bile aştığını düşünüyorum.”
