Vào ngày 8 tháng 8, Google DeepMind đã sử dụng nền tảng truyền thông xã hội X (trước đây gọi là Twitter) để chia sẻ thông tin chi tiết về dự án nghiên cứu mới nhất của họ liên quan đến hệ thống robot được thiết kế để chơi bóng bàn.

Google DeepMind là một phòng nghiên cứu trí tuệ nhân tạo (AI) nổi bật hoạt động dưới sự bảo trợ của Alphabet Inc., công ty mẹ của Google. Phòng nghiên cứu này được thành lập bằng cách sáp nhập hai nhóm AI hàng đầu: Google Brain và nhóm DeepMind ban đầu. Nỗ lực chung này đã đưa Google DeepMind lên vị trí hàng đầu trong đổi mới AI, tập trung vào việc phát triển các hệ thống AI tiên tiến có thể giải quyết một số thách thức khoa học và kỹ thuật phức tạp nhất.

DeepMind ban đầu được thành lập vào năm 2010 với trọng tâm là học tăng cường sâu, một phương pháp kết hợp học sâu với học tăng cường. Phòng thí nghiệm đã thu hút được sự chú ý rộng rãi với việc tạo ra AlphaGo, hệ thống AI đầu tiên đánh bại một nhà vô địch thế giới trong trò chơi Cờ vây, một kỳ tích được coi là đi trước thời đại một thập kỷ. Thành công này dẫn đến những tiến bộ hơn nữa trong AI, bao gồm cả việc phát triển AlphaFold, một AI dự đoán các mô hình 3D của cấu trúc protein với độ chính xác đáng kinh ngạc, làm thay đổi lĩnh vực sinh học.

Vào năm 2023, Google đã sáp nhập các bộ phận nghiên cứu AI của mình để thành lập Google DeepMind, nhằm mục đích thống nhất các nỗ lực và đẩy nhanh tiến độ trong AI. Một trong những dự án gần đây nhất của họ là Gemini, một mô hình AI thế hệ tiếp theo được cho là vượt trội hơn một số mô hình AI hiện có, như GPT-4, trên các điểm chuẩn cụ thể.

Theo chủ đề trên X của Google Deepmind, bóng bàn từ lâu đã được sử dụng làm chuẩn mực trong nghiên cứu robot do môn thể thao này kết hợp độc đáo giữa chuyển động vật lý tốc độ cao, ra quyết định chiến lược và độ chính xác. Từ những năm 1980, các nhà nghiên cứu đã sử dụng trò chơi này như một nền tảng thử nghiệm để phát triển và tinh chỉnh các kỹ năng robot, khiến nó trở thành ứng cử viên lý tưởng cho cuộc khám phá mới nhất do AI thúc đẩy của Google DeepMind.

Để huấn luyện robot bóng bàn, Google DeepMind bắt đầu bằng cách thu thập một tập dữ liệu toàn diện về trạng thái bóng ban đầu. Tập dữ liệu này bao gồm các thông số quan trọng như vị trí, tốc độ và độ xoáy của bóng, những thông số cần thiết để hiểu và dự đoán quỹ đạo bóng trong một trận đấu. Bằng cách luyện tập với thư viện dữ liệu mở rộng này, robot đã có thể phát triển một loạt các kỹ năng cần thiết cho bóng bàn, bao gồm cú đánh thuận tay, nhắm mục tiêu trái tay và khả năng trả giao bóng.

Quá trình đào tạo ban đầu diễn ra trong một môi trường mô phỏng, cho phép robot thực hành trong một bối cảnh được kiểm soát mô phỏng chính xác các đặc điểm vật lý của bóng bàn. Sau khi robot chứng minh được khả năng thành thạo trong môi trường mô phỏng, nó được triển khai trong các tình huống thực tế, nơi nó chơi với các đối thủ là con người. Thực hành thực tế này tạo ra dữ liệu bổ sung, sau đó được đưa trở lại mô phỏng để tinh chỉnh thêm khả năng của robot, tạo ra một vòng phản hồi liên tục giữa mô phỏng và thực tế.

Một trong những cải tiến quan trọng trong dự án này là khả năng thích ứng với các đối thủ khác nhau của robot. Google DeepMind đã thiết kế hệ thống để theo dõi và phân tích hành vi và phong cách chơi của đối thủ là con người, chẳng hạn như họ thích trả bóng về phía nào của bàn. Khả năng này cho phép robot thử nghiệm nhiều kỹ thuật khác nhau, theo dõi hiệu quả của chúng và điều chỉnh chiến lược của mình theo thời gian thực, tương tự như cách một người chơi là con người có thể thay đổi chiến thuật dựa trên xu hướng của đối thủ.

Trong quá trình nghiên cứu, robot đã được đưa ra đấu với 29 đối thủ là con người với nhiều cấp độ kỹ năng khác nhau, từ người mới bắt đầu đến người chơi nâng cao. Hiệu suất của robot đã được đánh giá ở các cấp độ khác nhau này và nhìn chung, nó được xếp hạng ở mức trung bình trong số những người tham gia, cho thấy rằng nó hoạt động ở cấp độ của một người nghiệp dư trung cấp. Tuy nhiên, khi đối mặt với những người chơi nâng cao hơn, robot đã gặp phải những hạn chế. Google DeepMind thừa nhận rằng robot không thể liên tục đánh bại những người chơi nâng cao, trích dẫn các yếu tố như tốc độ phản ứng, khả năng cảm biến camera, xử lý vòng quay và những thách thức trong việc mô phỏng chính xác cao su mái chèo trong các mô phỏng là những yếu tố góp phần.

Google DeepMind kết thúc chuỗi bài viết của mình bằng cách phản ánh những hàm ý rộng hơn của công trình này. Họ nhấn mạnh cách các môn thể thao như bóng bàn cung cấp một môi trường phong phú để thử nghiệm và phát triển khả năng của rô-bốt. Cũng giống như con người có thể học cách thực hiện các nhiệm vụ phức tạp đòi hỏi kỹ năng thể chất, nhận thức và ra quyết định chiến lược, rô-bốt cũng có thể làm được như vậy, miễn là chúng có hệ thống đào tạo và thích ứng phù hợp. Nghiên cứu này không chỉ thúc đẩy lĩnh vực rô-bốt mà còn cung cấp thông tin chi tiết về cách máy móc có thể được đào tạo để xử lý các nhiệm vụ phức tạp trong thế giới thực, có khả năng mở đường cho những đổi mới trong tương lai về AI và rô-bốt.

Bóng bàn robot đã trở thành chuẩn mực cho loại nghiên cứu này kể từ những năm 1980. Robot phải giỏi các kỹ năng cấp thấp, chẳng hạn như trả bóng, cũng như các kỹ năng cấp cao, chẳng hạn như lập chiến lược và lập kế hoạch dài hạn để đạt được mục tiêu. pic.twitter.com/IX7VuDyC4J

— Google DeepMind (@GoogleDeepMind) ngày 8 tháng 8 năm 2024

Hình ảnh nổi bật qua Pixabay