Thread by @pacmannai

Machine learning is fun: Super Mario Brothers Edition!
.
.
.
A Thread

Halo semua! Balik lagi nih sama mimin, kali ini kita bahas yang santai-santai aja yaa. Jadi tenang gaiss, ga usah mumet mumet 😂

Kali ini mimin mau bahas tentang aplikasi machine learning buat bikin level stage di Super Mario Bros! Hayo siapa yang tertarik?

Absen dulu dong pecinta mario bros mana suaranyaa?

Sebelum kita mulai, ada baiknya kita kenalan dulu yuk sama yang namanya neural network. Biar lebih mudah mengertinya mimin akan kasih ilustrasinya 😁

Misalkan kita ingin memprediksi harga rumah dari banyaknya kamar yang ada, luas rumah, dan lingkungannya.

Dengan model yang simpel misalnya dengan regresi linear, kita sudah bisa memprediksi harga rumah hanya dengan mengalikan input kita tadi dengan bobot kan ya (koefisien regresinya)

Tapi karena regresi linear, maka diasumsikan hubungan harga rumah dan input tadi linear kan ya. Tapi gimana kalau kenyataannya engga linear?

Misalkan lingkungan jadi concern banget buat rumah tipe besar dan kecil, tapi engga jadi masalah buat rumah tipe sedang? Gimana cara kita melihat detil-detil ini di model kita?🤔

Salah satu cara yang simpel ya kita bisa run model ini lagi beberapa kali tapi dengan bobot (koefisien regresi) yang berbeda-beda supaya kita dapet prediksi harga yang berbeda-beda juga

Kalau kita ulang 4 kali kan berarti kita punya 4 prediksi harga rumah, nah bisa kita gabungin lagi deh ke-4 prediksi tersebut dengan bobot masing masing supaya jadi satu prediksi final kita

Nah kalau ke-4 percobaan tadi kita gabungin, jadi deh neural network! Setiap “simpul” punya input masing-masing dan ngasih bobot sendiri supaya output / hasil prediksinya bisa dihasilkan

Setiap “simpul” ini terhubung gais, jadi dengan neural network kita bisa memodelkan fungsi kompleks yang sulit dimodelkan dengan satu fungsi saja

Ya simpelnya ini kayak LEGO aja sih, kalau satu LEGO aja engga bisa membuat bentuk yang bagus. Tapi kalau LEGO nya udah banyak dan bermacam-macam baru kita bisa membuat bentuk yang bagus

Terus misalkan sekarang ada kalimat,

“Aku paling senang belajar machine learnin”

Menurut kamu huruf apa yang tepat buat melengkapi kalimat diatas?

Pasti kita semua akan jawab “g” kan ya, supaya jadi kata “learning”. Kita bisa jawab “g” karena mungkin kita sudah tahu frasa “machine learning” ataupun pernah membaca dan menggunakan kalimat serupa

Ditambah juga kata “machine” didepannya udah bikin kita yakin banget kalau jawabannya pasti “g”

Nah konsep ini juga yang dipakai di recurrent neural network (RNN). Kata sebelumnya yaitu “machine” udah jadi input di otak kita dan otak kita akan mengeluarkan output “learning”. Kira-kira begitu

Aplikasi paling dekat dalam kehidupan kita itu adalah fitur autotext di keyboard kita, atau rekomendasi-rekomendasi yang muncul saat kita mengetik di kolom search Google, YouTube, maupun aplikasi lainnya

Sekarang kita balik lagi ke Super Mario Bros nih! Konsep RNN ini ternyata bisa digunakan dalam machine learning untuk membuat level di Super Mario Bros loh! Pasti ingat kan sama level ikonik ini 😁

Jadi untuk membuatnya akan digunakan data seluruh outdoor level di Game Super Mario Brothers (1985) sebagai data training kita

FYI di game ini terdapat 32 level dan sekitar 70% levelnya itu memiliki style outdoor yang sama, jadi bisa memudahkan model kita untuk belajar

Kalau kita perhatikan, setiap level di game ini bisa direpresentasikan sebagai barisan karakter dimana tiap karakter menyatakan sebuah objek. Itu karena outline dari tiap level terbagi dalam grid-grid seperti ini

Jadi level 1-1 itu bisa direpresentasikan dengan karakter-karakter seperti ini, keren yaa!

Karakter-karakter ini harus dipahami per kolom ya, bukan per baris. Karena kalau per baris hanya sedikit informasi yang dapat dipahami, sedangkan kalau per kolom kita bisa mengetahui secara lengkap di depan terdapat obstacle apa

Jadi untuk input pada model, karakter-karakter tersebut dibalik 90 derajat supaya mesin memahaminya juga per kolom (karena input kita per baris kan ya)

Setelah itu kita hanya perlu melakukan training pada model hingga didapatkan hasil yang sesuai. Pada foto ini juga bisa kita lihat progress map dalam setiap iterasinya

Tadaa, akhirnya selesai juga! Tinggal kita rotasi lagi dan model machine learning kita sudah berhasil membuat level Super Mario Bros!

Ternyata juga ada beberapa hal menarik nih yang ternyata dipahami oleh mesin, seperti adanya Lakitu (kura-kura yang naik awan) dan tidak adanya pipa yang mengambang (terdapat blok di bawah setiap pipa)

Nah kira-kira seperti itu gais aplikasi machine learning dan neural network dalam membuat level Super Mario Bros! Keren kan? 😎

Ga hanya buat level Super Mario Bros aja, masih banyak kegunaan machine learning yang bisa kalian pelajari. Pacmann.AI bisa bantu kamu untuk paham bidang ini, kepoiin kurikulum kami di bit.ly/brosurpacmannai yaa! Sampai ketemu di thread selanjutnya! 🤩👋🏼

Referensi:
medium.com/@ageitgey/mach…