Машинки видят только расстояние до стен. Никто не показывает им, как ездить — выживают те, кто проехал дальше, следующее поколение рождается от них. Главный вопрос страницы: они учатся водить или заучивают одну трассу? Ответ считается отдельно, на трассах, которых при обучении не было.
Лучи. Семь датчиков веером вперёд, каждый возвращает расстояние до стены. Это всё, что машинка знает о мире: ни карты, ни трассы, ни памяти о прошлом кадре. Поэтому «выучить маршрут наизусть» она в буквальном смысле не может — но может настроиться на тот единственный набор картинок, который встречается на одной трассе.
Мозг. Семь чисел с лучей плюс собственная скорость идут в сеть из восьми нейронов, на выходе руль и газ. Обучения внутри сети нет — веса просто числа, которые меняет отбор.
Отбор. Считается прогресс вдоль трассы в долях круга. Скорость начисляет бонус только тому, кто круг замкнул — то есть проехать всегда важнее, чем проехать быстро. За раннюю аварию не доплачивается ничем.
Почему разные трассы. На одной трассе выгоднее всего вырастает «газ в пол и руль всё время в одну сторону» — на кольце это даёт максимум очков и ни разу не требует поворота в другую сторону. Такая машина на незнакомой трассе врезается в первом же повороте. Поэтому в режиме «разных трасс» каждое поколение меняются сама трасса, направление объезда, точка старта и ширина дороги: настраиваться становится не на что, приходится реагировать на лучи.
Экзамен. Пять трасс, которые в обучении не участвуют никогда. Раз в пять поколений лучший геном проезжает их с трёх разных стартов без всякой случайности. Результат показывается, но в отбор не возвращается — иначе он перестал бы быть честной проверкой. Расхождение фиолетовой и зелёной линий на графике и есть заучивание, видимое глазами.
Кладбище и фронтир. Красные точки — места аварий, оранжевая метка — дальняя точка, которой кто-либо достигал. В режиме одной трассы видно, как облако смертей уползает вперёд.
Самоигра: модель играет за обе стороны и обучает оценки числовых состояний. Это TD-обучение, не генетический отбор и не большая языковая модель.
Загружаю стартовую модель…
Выбери уровень внутри игры. После обучения предпросмотр получит новую модель автоматически.
Популяция планов ищет комбинации и маршрут. Не нейросеть: отбор, сохранение лучших и мутации. Игровые правила в обучении и на экране одинаковые.
Загрузка стартового решения…
Внутри игры два вида: «Игрок» и «Разработчик». Здесь обучение ищет планы для случайных полей песочницы; четыре сценарных уровня доступны в меню «Уровни». «Проиграть лучший план» запускает именно обученную стратегию.