Розробник stmonty натренував на споживчій відеокарті GeForce RTX 3080 Ti (12 ГБ) «модель світу» приблизно на 12,5 млн параметрів. Система вміє передбачати зміни середовища в Pokémon Red і визначати призначення кнопок, оцінюючи наслідки кожної дії без використання системи винагород.

Навчання проходило з нуля на 42 382 чорно-білих кадрах із понад 1000 коротких сесій. До датасету увійшли як цільові маршрути, так і випадкові натискання — саме вони допомогли моделі вловити різницю між діями (наприклад, кнопками A та B).

У процесі планування ШІ аналізує 512 варіантів із 14 натискань у внутрішній моделі, відбирає 64 найкращі та передає фінальний ланцюжок до емулятора. Головна складність підходу — накопичення помилок: кожен наступний крок спирається на попередній прогноз, що знижує точність довгих послідовностей.

[💻 Підписатись](https://t.me/DMUkraine)