小竞 (编辑)
关键点：
- deepmind的主要目标之一是为许多运动领域的专业运动员和团队提供更多数据。
- deepmind正在利用他们的技术教会机器人如何将球推向目标。他们还希望将这项技术扩展到足球以外的其他体育项目。
- deepmind面临的最大障碍是人工智能无法通过观察学习。这导致许多模拟动作非常奇怪，无法在模拟之外复制。
您可能以前看过ai下棋，甚至在“危险边缘”节目中看到过ai。但是谷歌的人工智能部门deepmind一直在致力于教导他们的ai踢足球。
上个月，deepmind发布了一篇研究论文，首次介绍了他们的新的神经概率运动原理。这四个词可能听起来像无意义的废话，但更简单地说，这是一种让ai学习如何操作物理身体的方法。
尽管我们还没有达到完全机器人足球联赛的程度，但这是ai学习和技术的一大飞跃。
让我们深入了解到目前为止我们所知道的内容！
deepmind的目标
根据deepmind与这篇研究论文一起发布的摘要，他们的主要目标之一是为许多运动领域的专业运动员和团队提供更多数据。
用他们自己的话说：
“在本文中，我们提供了一个总体视角，突出了这些领域的组合，尤其是形成了ai研究的一个独特微观世界，同时为未来几年的专业团队、观众和广播公司提供互利的好处。”
所以，目前为止，mohamed salah和christiano ranaldo无需担心与机器人竞争他们的顶级位置。
这是如何实现的？
deepmind一直在为其ai足球运动员使用一种可以描述为试错的方法。研究人员希望为这些球员做好任何准备，因此在学习踢足球的同时，ai必须应对重力、光滑表面和其他球员干扰等挑战因素。
这些ai球员刚开始几乎无法行走，但是在展示了真实足球运动员的动作捕捉数据后，ai开始模仿他们的动作。经过1.5个模拟年，或者实时24小时，球员开始运球、射门和跑动。虽然他们可以在这个时候玩这个游戏，但团队合作显然还有欠缺。但是，在模拟的20到30年，或者实时2到3周之后，他们可以进行2对2的协同比赛。
现在，deepmind已经在图形表现方面有所突破，他们正在使用同样的技术教机器人如何将球推向目标。他们还希望将这项技术扩展到足球以外的其他体育项目。
ai从其接收到的信息中学习，这需要时间和奉献。
©istock.com/ilexx
这对于ai意味着什么？
这对ai研究来说是一个重大的进展，但它仍然牢固地处于模拟阶段。我们认为在合理的时间内不会看到机器人运动员。deepmind为这个模拟使用的蛮力方法确实有效，但只能让他们走得更远。
现在，deepmind面临的最大问题是人工智能无法通过观察来学习。这导致我们在模拟中看到的许多动作非常类似外星人，无法在模拟之外复制。如果这一切都与波士顿动力公司的“spot”一样，那么这个搜寻和救援的舞蹈机器狗。然而，借助机器学习算法和预先编程的动作，这些人工智能足球运动员肯定可以在现实形态中显现。
我们肯定会密切关注这项研究。尽管它仍处于早期阶段，但他们能够产生的结果非常令人兴奋。我们迫不及待地想看到他们接下来能做什么！
