Benj Edwards/Google DeepMind
Pada hari Rabu, para peneliti di Google DeepMind terungkap pemain tenis meja robotik bertenaga AI pertama yang mampu bersaing di tingkat manusia amatir. Sistem ini menggabungkan lengan robot industri yang disebut ABB IRB 1100 dan perangkat lunak AI khusus dari DeepMind. Sementara pemain manusia yang ahli masih dapat mengalahkan bot, sistem ini menunjukkan potensi bagi mesin untuk menguasai tugas fisik yang rumit yang memerlukan pengambilan keputusan dan kemampuan beradaptasi dalam hitungan detik.
“Ini adalah agen robot pertama yang mampu bermain olahraga dengan manusia pada tingkat manusia,” tulis para peneliti dalam sebuah pernyataan. kertas pracetak tercantum di arXiv. “Ini merupakan tonggak sejarah dalam pembelajaran dan pengendalian robot.”
Agen robot yang tidak disebutkan namanya (kami sarankan “AlphaPong”), yang dikembangkan oleh tim yang meliputi David B. D'Ambrosio, Saminda Abeyruwan, dan Laura Graesser, menunjukkan performa yang luar biasa dalam serangkaian pertandingan melawan pemain manusia dengan berbagai tingkat keterampilan. Dalam sebuah studi yang melibatkan 29 peserta, robot bertenaga AI tersebut memenangkan 45 persen pertandingannya, menunjukkan permainan tingkat amatir yang solid. Yang paling menonjol, robot ini mencapai tingkat kemenangan 100 persen melawan pemula dan tingkat kemenangan 55 persen melawan pemain menengah, meskipun kesulitan melawan lawan yang sudah mahir.
Video Google DeepMind dari agen AI yang berlatih bersama pemain tenis meja manusia.
Pengaturan fisiknya terdiri dari IRB 1100 yang disebutkan sebelumnya, lengan robot dengan 6 derajat kebebasan, yang dipasang pada dua lintasan linier, yang memungkinkannya bergerak bebas dalam bidang 2D. Kamera berkecepatan tinggi melacak posisi bola, sementara sistem penangkapan gerak memantau gerakan dayung lawan manusia.
AI pada intinya
Untuk menciptakan otak yang menggerakkan lengan robot, para peneliti DeepMind mengembangkan pendekatan dua tingkat yang memungkinkan robot untuk menjalankan teknik tenis meja tertentu sambil menyesuaikan strateginya secara langsung dengan gaya bermain setiap lawan. Dengan kata lain, robot ini cukup adaptif untuk bermain tenis meja dengan manusia amatir mana pun tanpa memerlukan pelatihan khusus per pemain.
Arsitektur sistem ini menggabungkan pengontrol keterampilan tingkat rendah (kebijakan jaringan saraf yang dilatih untuk menjalankan teknik tenis meja tertentu seperti pukulan forehand, pengembalian backhand, atau respons servis) dengan pembuat keputusan strategis tingkat tinggi (sistem AI yang lebih kompleks yang menganalisis status permainan, beradaptasi dengan gaya lawan, dan memilih kebijakan keterampilan tingkat rendah mana yang akan diaktifkan untuk setiap bola yang masuk).
Para peneliti menyatakan bahwa salah satu inovasi utama dari proyek ini adalah metode yang digunakan untuk melatih model AI. Para peneliti memilih pendekatan hibrida yang menggunakan pembelajaran penguatan dalam lingkungan fisika simulasi, sambil mendasarkan data pelatihan pada contoh dunia nyata. Teknik ini memungkinkan robot untuk belajar dari sekitar 17.500 lintasan bola dunia nyata—himpunan data yang cukup kecil untuk tugas yang kompleks.
Video Google DeepMind menunjukkan ilustrasi bagaimana agen AI menganalisis pemain manusia.
Para peneliti menggunakan proses berulang untuk menyempurnakan keterampilan robot. Mereka memulai dengan kumpulan data kecil tentang permainan manusia-vs-manusia, lalu membiarkan AI bermain melawan lawan sungguhan. Setiap pertandingan menghasilkan data baru tentang lintasan bola dan strategi manusia, yang dimasukkan kembali oleh tim ke dalam simulasi untuk pelatihan lebih lanjut. Proses ini, yang diulang selama tujuh siklus, memungkinkan robot untuk terus beradaptasi dengan lawan yang semakin terampil dan gaya bermain yang beragam. Pada babak terakhir, AI telah belajar dari lebih dari 14.000 bola reli dan 3.000 servis, menciptakan kumpulan pengetahuan tenis meja yang membantunya menjembatani kesenjangan antara simulasi dan kenyataan.
Menariknya, Nvidia juga telah bereksperimen dengan sistem fisika simulasi serupa, seperti Bahasa Indonesia: Eurekayang memungkinkan model AI untuk belajar mengendalikan lengan robot dengan cepat di ruang simulasi, bukan di dunia nyata (karena fisika dapat dipercepat di dalam simulasi, dan ribuan uji coba simultan dapat dilakukan). Metode ini kemungkinan akan secara drastis mengurangi waktu dan sumber daya yang dibutuhkan untuk melatih robot untuk interaksi yang kompleks di masa mendatang.
Manusia senang bermain melawannya
Selain pencapaian teknisnya, penelitian ini juga mengeksplorasi pengalaman manusia saat bermain melawan lawan AI. Anehnya, bahkan pemain yang kalah dari robot melaporkan menikmati pengalaman tersebut. “Di semua kelompok keterampilan dan tingkat kemenangan, pemain setuju bahwa bermain dengan robot itu 'menyenangkan' dan 'menarik,'” kata para peneliti. Penerimaan positif ini menunjukkan potensi aplikasi AI dalam pelatihan dan hiburan olahraga.
Namun, sistem ini bukannya tanpa keterbatasan. Sistem ini kesulitan saat memukul bola yang sangat cepat atau tinggi, kesulitan membaca putaran yang intens, dan menunjukkan performa yang lebih lemah dalam permainan backhand. Google DeepMind membagikan contoh video agen AI yang kehilangan poin dari pemain tingkat lanjut karena tampaknya kesulitan bereaksi terhadap pukulan cepat, seperti yang dapat Anda lihat di bawah ini.
Video Google DeepMind dari agen AI yang bermain melawan pemain manusia tingkat lanjut.
Menurut para peneliti, implikasi dari keajaiban pingpong robot ini melampaui dunia tenis meja. Teknik yang dikembangkan untuk proyek ini dapat diterapkan pada berbagai tugas robot yang memerlukan reaksi cepat dan adaptasi terhadap perilaku manusia yang tidak terduga. Dari manufaktur hingga perawatan kesehatan (atau sekadar memukul seseorang dengan dayung berulang kali), aplikasi potensialnya tampaknya memang besar.
Tim peneliti di Google DeepMind menekankan bahwa dengan penyempurnaan lebih lanjut, mereka yakin sistem tersebut berpotensi dapat bersaing dengan pemain tenis meja tingkat lanjut di masa mendatang. DeepMind tidak asing lagi dalam menciptakan model AI yang dapat mengalahkan pemain permainan manusia, termasuk Alfa Nol Dan AlfaGoDengan agen robot terbaru ini, tampaknya perusahaan riset tersebut bergerak melampaui permainan papan dan memasuki olahraga fisik. Catur Dan Bahaya telah tumbang oleh pemenang yang diberdayakan AI—mungkin tenis meja adalah yang berikutnya.
