O sistema é primeiro treinado em um ambiente virtual para controlar os parâmetros de impressão, e depois aplicado no processo real com a ajuda de um módulo de visão computacional.
O trabalho foi possível graças ao desenvolvimento de funções de custo capazes de isolar o impacto de um agente isolado no objetivo conjunto final.
O sistema foi treinado com dados simulados para aprender a administrar e também a otimizar a administração de um agente anestésico, produzindo recomendações de dosagem similares às de médicos anestesistas.
A inteligência artificial utilizou aprendizagem por reforço para posicionar os blocos que compõem o chip um a um, alcançado alta eficiência e entregando designs inéditos, que dificilmente seriam produzidos por especialistas humanos.
O novo método adicionou incerteza aos dados de entrada do algoritmo de aprendizagem por reforço, que foi capaz de incorporar estas incertezas no processo de decisão para tomar a melhor ação mesmo no pior cenário possível, aquele representado por dados maximamente perturbados.
Os pesquisadores usaram data augmentation para completar as informações esparsas disponíveis sobre correntes de vento, e adicionaram ao problema limitantes associados às propriedades dos balões, para gerar um sistema de auto-navegação mais eficiente.
Um algoritmo de aprendizagem por reforço foi usado para fazer a movimentação de moléculas individuais, se adaptando à natureza quântica e imprevisível da tarefa em tempo real.
O algoritmo da DeepMind treinou numa abordagem de aprendizagem por reforço, alcançando o nível mais alto no complexo jogo StarCraft II, que é considerado uma simulação conveniente para os tipos de problemas que se espera que a inteligência artificial resolva no mundo real.
Os agentes foram separados em dois times, colocados para disputar partidas de esconde-esconde. Com o tempo, e sem nenhum incentivo explícito, eles aprenderam a manipular o ambiente, e até a cooperar entre si – ou seja, aprenderam a desempenhar comportamentos complexos -, para vencer o jogo.
O modelo foi treinado com “estados” de um sistema, e aprendeu quais estados poderiam conduzir a outros sem receber qualquer informação sobre a ordem em que deveriam ocorrer de acordo com os princípios de passagem do tempo.
