«Machine learning для создания виртуальных игровых миров»: итоги панельной дискуссии на Конгрессе молодых учёных
В рамках Конгресса молодых учёных, который прошёл 8-10 декабря в Парке науки и искусства «Сириус», состоялась панельная дискуссия «Machine learning для создания виртуальных игровых миров». Её модератором выступила Алиса Чумаченко – генеральный директор SberGames.
Флагманской темой дискуссии стал вопрос взаимодействия искусственного интеллекта и видеоигр. Участники обсудили, как технологии, используемые для построения виртуальных миров, создания разветвленных игровых сюжетов и корректировки поведения NPC и ботов, помогают решать реальные прикладные задачи и в целом воздействовать на экономические процессы.
Экспертами панельной дискуссии выступили:
- Альберт Ефимов, Вице-президент Сбербанка, директор управления исследований и инноваций блока «Технологии»;
- Василий Буров, Советник директора, Московский институт электроники и математики им. А.Н. Тихонова НИУ ВШЭ;
- Роман Горошкин, директор по внешнекорпоративной работе MY.GAMES;
- Дмитрий Земцов, проректор НИУ ВШЭ;
- Константин Негачев, победитель Конкурса Лидеры России, направление «Интернет-коммуникации»;
-Виктор Чертополохов, научный сотрудник механико-математического факультета МГУ имени М.В. Ломоносова.
Приведенные экспертами кейсы охватили такие области знания, как Reinforcement learning (обучение с подкреплением) в контексте «Цифровых кентавров» – симбиотической системы взаимодействия человека и искусственного интеллекта; Deep learning & Computer vision (глубинное обучение и компьютерное зрение) применимо к проектированию виртуальных миров; Natural language processing (естественная обработка речи) для управления игровыми процессами.
Один из итогов панельной дискуссии – игры занимают ключевое место в эволюции искусственного интеллекта. Сегодня игры не просто развлечение – они становятся платформой для развития нейросетей, тестирования виртуальных агентов и дают стимул к развитию AI и инструментария для работы с big data. Игры можно назвать своеобразным бенчмарком – с их помощью на протяжении десятилетий люди оценивали эффективность искусственного интеллекта: от простых действий в заданных параметрах программы, до автономного самообучения роботов.