دیپ مایند در حال توسعه هوش مصنوعی با قدرت تخیل است
دیپ‌مایند، به‌عنوان زیرمجموعه گوگل که بر توسعه تکنولوژی‌های هوش مصنوعی متمرکز است، درباره‌ی دو مدل هوش مصنوعی که می‌توانند آینده را با استفاده از قدرت تخیل برنامه‌ریزی کنند، توضیح داد. این دو هوش مصنوعی، عاملان تخیل افزوده (Imagination-augmented agents) نامیده می‌شوند. این دو نوع جدید هوش مصنوعی از ابزاری استفاده می‌کنند که دیپ‌مایند آن را «کدکنندهی تخیل» می‌نامد. «کدکنندهی تخیل» در واقع یک شبکه‌ی عصبی است که با جمع‌آوری اطلاعات مفید، به فرآیند‌های تصمیم‌گیری این دو عامل بر اساس یادگیری کمک می‌کند.
با توجه به مقالاتی که در آن‌ها دیپ‌مایند برنامه‌ریزی بر اساس تخیل را توضیح داده است، مشخصه‌ی اصلی این نوع جدید از هوش مصنوعی، داشتن قابلیت تفسیر شبیه‌سازی‌های درونی برای به کار گرفتن مدل‌هایی است که هرچند کامل نیستند ولی توانایی فهم تغییرات محیط اطراف خود را دارند. این نوع جدید هوش مصنوعی همچنین دارای توانایی تنظیم این حرکات تخیلی برای یافتن راه حل مناسب برای مسئله است. علاوه بر این کدکنندهی تخیل، میزان بهره‌وری این هوش مصنوعی را با استخراج داده‌های بیشتر از تخیل که الزاما به پیدا کردن راه حل منجر نمی‌شوند، افزایش می‌دهد. یکی دیگر از خصوصیات این خانواده‌ی هوش مصنوعی، توانایی تولید برنامه‌ریزی‌های مختلف با استفاده از استراتژی‌های مختلف است. استفاده از استراتژی‌های مختلف، شامل متوقف کردن ادامه‌ی یک تخیل و جلوگیری از شروع دوباره مراحل یافتن راه حل می‌شود. استراتژی‌های برنامه‌ریزی، در ادامه با اضافه شدن مدل‌های تخیل متفاوت با میزان دقت مختلف، بهتر و بهتر می‌شوند. در نتیجه تصمیم‌های عامل صرفا به تعداد کمی تصمیم محدود نمی‌شوند و حالت‌های متفاوتی را در نظر می‌گیرد.
برای آزمایش این رویکرد‌های جدید، دیپ‌مایند از بازی‌هایی استفاده کرده است که نیاز به استدلال و برنامه‌ریزی برای ادامه‌ی راه دارند. تحت شرایط این بازی‌ها، به‌عنوان یک اکوسیستم ایده‌آل، توانایی تخیل این عامل‌های هوش مصنوعی سنجیده شد. برای مقایسه، دیپ‌مایند هم‌زمان از عامل‌های بدون قدرت تخیل هم استفاده کرد. نتیجه به‌دست‌آمده در نوع خود کم‌‌سابقه بود. عامل‌های هوش مصنوعی دارای قدرت تخیل، به‌مراتب بهتر از عامل‌های بدون قدرت تخیل عمل کردند. این عامل‌ها حتی قبل از این‌که در سناریو‌های دنیای واقعی یک تصمیم مشخص بگیرند، می‌توانند استراتژی‌های مختلف را از قبل امتحان کنند. این عامل‌ها بعد از اضافه شدن عنصر مدیریت‌کننده، عملکرد بهتری از خود نشان دادند. این شرکت مشاهده کرد که این عامل‌ها در نمونه‌های مختلف محیطی می‌توانند به تصمیم‌های متفاوتی برسند که این موضوع، میزان کیفیت عمل را افزایش و خطا را کاهش می‌دهد. این مقاله‌‌های دیپ‌مایند در تلاش برای جواب دادن به سؤالاتی در خصوص چگونگی کنار آمدن این عامل‌ها با مدل‌های ناکامل و به کار گرفتن یک استراتژی خاص با توجه به شرایط مختلف هستند. قرار است به‌زودی خبر‌های بیشتری درباره‌ی این نسل جدید هوش مصنوعی توسط دیپ‌مایند منتشر شود.
