Google DeepMind গেমে তার 15-বছরের AI গবেষণার একটি বিশদ রেট্রোস্পেক্টিভ প্রকাশ করেছে, Fenris Creations-এর সাথে তার গবেষণা অংশীদারিত্ব, EVE Online-এর পিছনে স্বাধীন স্টুডিও - এবং দুটি সংস্থা EVE মহাবিশ্বের অভ্যন্তরে চালানোর পরিকল্পনা করেছে মঞ্চস্থ গবেষণা প্রোগ্রামের সূচনা করেছে।
আলেকজান্দ্রে মোফারেক এবং অ্যাড্রিয়ান বোল্টন দ্বারা রচিত 21 আগস্টের পোস্টটি ল্যাবের প্রথম দিকের শক্তিবৃদ্ধি শিক্ষার ফলাফলগুলিকে সাধারণ এজেন্টদের উপর তার বর্তমান কাজের সাথে সংযুক্ত করে। এটি এই বছরের শুরুতে প্রথম উন্মোচিত একটি অংশীদারিত্বের এখনও পূর্ণতম হিসাব, এবং এটি ইঙ্গিত দেয় যেখানে বিশ্বের শীর্ষস্থানীয় AI ল্যাবগুলির মধ্যে একটি বিশ্বাস করে যে AI গবেষণা এর পরবর্তী সীমানা নিহিত রয়েছে: একটি স্পষ্ট স্কোর সহ একটি একক গেম আয়ত্ত করা নয়, বরং 2003 সাল থেকে ধারাবাহিকভাবে চলমান একটি জীবন্ত বিশ্বে বেঁচে থাকার ক্ষেত্রে।
Atari Pixels থেকে AlphaStar পর্যন্ত
রেট্রোস্পেক্টিভ গেমের ফলাফলের চেইনকে ট্রেস করে যা ডিপমাইন্ডের গবেষণা প্রোগ্রাম তৈরি করেছে। ডিপ কিউ-নেটওয়ার্ক (DQN), একটি 2015 নেচার পেপারে বর্ণিত, কাঁচা পিক্সেল থেকে সরাসরি 49টি Atari 2600 গেম খেলতে শিখেছে — Pong থেকে Breakout থেকে Space Invaders — কোনো গেম-নির্দিষ্ট ইঞ্জিনিয়ারিং ছাড়াই, গভীর শক্তিবৃদ্ধি শিক্ষার আধুনিক যুগকে অনুঘটক করতে সাহায্য করে৷
প্রতিটি পরবর্তী মাইলফলক আরও সক্ষম এবং আরও সাধারণ সিস্টেম তৈরি করেছে। আলফাগো 2016 সালে বিশ্ব চ্যাম্পিয়ন লি সেডলকে পরাজিত করেছিল, এমন একটি কৃতিত্ব যা অনেক বিশেষজ্ঞের ধারণা এখনও এক দশক বাকি ছিল। AlphaGo Zero সম্পূর্ণরূপে স্ব-খেলা থেকে শিখে পূর্ববর্তী প্রতিটি সংস্করণকে ছাড়িয়ে গেছে, এবং AlphaZero একটি একক অ্যালগরিদম সহ দাবা, শোগি এবং গো মাস্টার করার পদ্ধতিটিকে সাধারণ করেছে। MuZero আরও এগিয়ে গেল, এমনকি নিয়ম না জেনেও খেলতে শিখেছে। 2019 সালে, AlphaStar StarCraft II-এ গ্র্যান্ডমাস্টার লেভেলে পৌঁছেছে, রিয়েল-টাইম জটিলতা এবং অপূর্ণ তথ্য নেভিগেট করেছে।
ডিপমাইন্ড নোট করেছেন যে অন্বেষণের এই চেতনা গেমের বাইরেও রয়েছে: আলফাফোল্ড প্রোটিন গঠনের পূর্বাভাসের ক্ষেত্রে একই ভিত্তি প্রয়োগ করেছে, যা 2024 সালের রসায়নে নোবেল পুরস্কারের সাথে স্বীকৃত একটি অগ্রগতি।
জেনারেলিস্ট এজেন্টে স্থানান্তর
পোস্টটি দিকনির্দেশনায় একটি মৌলিক পরিবর্তনের ফ্রেম। পূর্বের কাজ দেখিয়েছিল যে AI একটি স্পষ্ট উদ্দেশ্য এবং পর্যাপ্ত প্রশিক্ষণ দিয়ে যে কোনও গেমে দক্ষতা অর্জন করতে পারে। কিন্তু, লেখক যেমন লিখেছেন, "বাস্তব বিশ্ব স্কোর এবং নিয়ম বই নিয়ে আসে না।" এটি একটি ভিন্ন প্রশ্নের দিকে পরিচালিত করে: AI কি যে কোনও গেমের জগতের সাথে একজন ব্যক্তি যেভাবে বুঝতে এবং ইন্টারঅ্যাক্ট করতে পারে?
সেই উচ্চাকাঙ্ক্ষার বাহন হল সিমা, স্কেলযোগ্য নির্দেশযোগ্য মাল্টিওয়ার্ল্ড এজেন্ট। উচ্চ স্কোরের জন্য অপ্টিমাইজ করার পরিবর্তে, SIMA একজন প্লেয়ার স্ক্রিনে যা দেখে তা বোঝে, স্বাভাবিক ভাষার নির্দেশাবলী বোঝে এবং সাধারণ কীবোর্ড এবং মাউস নিয়ন্ত্রণের মাধ্যমে কাজ করে — কোন API বা সোর্স কোড অ্যাক্সেসের প্রয়োজন নেই। SIMA 2, এর মূল অংশে একটি জেমিনি মডেলের সাথে নভেম্বর 2025-এ প্রবর্তন করা হয়েছে, রিয়েল-টাইম যুক্তি এবং কথোপকথনে সক্ষম একটি ইন্টারেক্টিভ সঙ্গী হিসাবে কাজ করে এবং নো ম্যানস স্কাই, ভ্যালহেইম এবং হাইড্রোনিয়ার সহ জটিল 3D পরিবেশে মানুষের মতো খেলা অর্জন করে।
ল্যাবটি এজেন্টের সীমা সম্পর্কে স্পষ্ট: SIMA 2 এখনও খুব দীর্ঘ-দিগন্তের কাজগুলির সাথে লড়াই করে এবং কম-লেটেন্সি ইন্টারঅ্যাকশনের জন্য প্রয়োজনীয় প্রসঙ্গ উইন্ডো দ্বারা সীমাবদ্ধ একটি ছোট স্মৃতি থেকে কাজ করে। এটি শিক্ষাবিদ এবং গেম ডেভেলপারদের একটি ছোট দলগুলির জন্য উপলব্ধ একটি সীমিত গবেষণা পূর্বরূপ।
কেন ইভ অনলাইন
Fenris Creations অংশীদারিত্ব ডিপমাইন্ডকে এমন কিছুতে অ্যাক্সেস দেয় যা কোনও বেঞ্চমার্কের প্রতিলিপি করতে পারে না: একটি অবিরাম, একক-শার্ড মহাবিশ্ব যেখানে হাজার হাজার খেলোয়াড় বাস্তব সরবরাহ-ও-চাহিদা গতিশীলতার সাথে একটি অর্থনীতি ভাগ করে, হাজার হাজার স্টার সিস্টেমে বিস্তৃত বাণিজ্য নেটওয়ার্ক এবং সম্পূর্ণরূপে খেলোয়াড়ের মিথস্ক্রিয়া দ্বারা নির্মিত রাজনৈতিক কাঠামো।
DeepMind চারটি সক্ষমতা চিহ্নিত করে যা পরিবেশকে অনুশীলন করার জন্য ডিজাইন করা হয়েছে: ভুলে না গিয়ে ক্রমাগত শেখা, স্মৃতি যা আজকের মডেল প্রসঙ্গ উইন্ডোর বাইরে অনেক বেশি প্রসারিত, সপ্তাহ, মাস বা এমনকি বছর ধরে দীর্ঘ-দিগন্ত পরিকল্পনা, এবং জটিল বহু-এজেন্ট গতিবিদ্যা বিস্তৃত সহযোগিতা, প্রতিযোগিতা, আলোচনা এবং অর্থনীতি।
"গুগল ডিপমাইন্ডের সাথে একসাথে, আমরা অজানা অঞ্চলে ঠেলে দিচ্ছি যেখানে AI-কে শিখতে হবে, মানিয়ে নিতে হবে এবং সময়কালের ক্ষেত্রে মনে রাখতে হবে যা অন্য কোনও গেমের পরিবেশের দাবি করে না, আমাদের বুঝতে সাহায্য করে যে বাস্তব জীবনে একই প্রশ্নগুলির সাথে লড়াই করার আগে কীভাবে মানুষ এবং AI ভার্চুয়াল পরিবেশে সহাবস্থান করতে পারে," ফেনরিস ক্রিয়েশন্সের সিইও হিলমার পোস্ট পোস্টে বলেছেন৷
অংশীদারিত্ব তিনটি স্বতন্ত্র পরিবেশে বিস্তৃত। EVE অনলাইন বৃহৎ মাপের স্থায়ী মহাবিশ্বের অফার করে। ইভ ভ্যানগার্ড প্রথম-ব্যক্তি, দ্রুত গতির কৌশলগত সিদ্ধান্ত গ্রহণকে যুক্ত করে, বিমূর্ততার একাধিক স্তর জুড়ে কাজ করা এজেন্টদের অধ্যয়নের সুযোগ তৈরি করে — টুইচ-লেভেল কৌশল থেকে গ্যালাক্সি-স্প্যানিং কৌশল পর্যন্ত। EVE Frontier, এর প্রোগ্রামেবল স্মার্ট অ্যাসেম্বলি এবং ওপেন আর্কিটেকচার সহ, এমন একটি বিশ্ব উপস্থাপন করে যেখানে খুব নিয়ম পরিবর্তন হতে পারে।
গুরুত্বপূর্ণভাবে, গবেষণা কার্যক্রম একটি পর্যায়ক্রমে পথ অনুসরণ করে। এটি EVE অনলাইনের একটি অফলাইন উদাহরণে শুরু হয়, একটি নিরাপদ স্যান্ডবক্স যা লাইভ প্লেয়ারদের থেকে আলাদা করা হয়। এটি তারপর EVE Frontier-এর মাধ্যমে অধ্যয়ন করার জন্য অগ্রসর হয় যে কীভাবে মানুষ এবং এজেন্টরা একটি স্থায়ী, উন্মুক্ত বিশ্বে সহাবস্থান করতে পারে। শুধুমাত্র যখন ক্ষমতাগুলি পরিপক্ক হয় তখনই DeepMind তাদের লাইভ গেমগুলিতে আনার কথা বিবেচনা করবে — এবং তারপরে, পোস্টটি জোর দেয়, মানুষের খেলাকে সমৃদ্ধ করার লক্ষ্যে।
AI ইতিমধ্যেই ককপিটে রয়েছে৷
সহযোগিতার একটি আউটপুট ইতিমধ্যেই খেলোয়াড়দের সামনে রয়েছে। Aura Guidance, যেটি নতুন পাইলটদের সাহায্য করার জন্য বাস্তব রুকি হেল্প প্রশ্ন ও উত্তর থেকে প্রাপ্ত প্লেয়ার-জেনারেটেড জ্ঞান সরবরাহ করতে Gemini ব্যবহার করে, 17 ফেব্রুয়ারী, 2026-এ প্রোটোটাইপে লঞ্চ করা হয়েছে, এবং এটি নতুন-খেলোয়াড়দের ধরে রাখার উন্নতি করে কিনা তা পরিমাপ করার জন্য একটি নিয়ন্ত্রিত A/B পরীক্ষা হিসাবে চলছে।
গেম ডেভেলপারদের জন্য, দীর্ঘমেয়াদী স্টক উল্লেখযোগ্য। সত্যিকারের একটি সাধারণ গেমিং এজেন্ট — যেটি গেম কোডে কোনো পরিবর্তন না করেই বিদ্যমান গেমগুলির সাথে কাজ করে — এমন AI সহচরদের শক্তি দিতে পারে যারা গেম ওয়ার্ল্ডকে সত্যিকারভাবে বোঝে, NPCগুলি যেগুলি স্ক্রিপ্ট করা সিস্টেমগুলি কখনই পারে না এমনভাবে মানিয়ে নিতে পারে, এবং প্রতিটি প্রতিশ্রুতির সাথে গেম পরিবর্তিত হলে বিকাশের সময় শক্তিশালী QA পরীক্ষা করতে পারে৷
পোস্টটি ল্যাবের চূড়ান্ত কাঠামোর সাথে বন্ধ হয়: AI একটি অনুঘটক হিসাবে, প্রতিস্থাপন নয়। "গেমস সবসময় বুদ্ধিমত্তা জন্য একটি আয়না হয়েছে," লেখক লিখেছেন. যেহেতু গেমগুলি আরও জটিল, আরও স্থায়ী এবং আরও খোলামেলা হয়ে ওঠে, তাই সেগুলিকে নেভিগেট করার জন্য তৈরি AI সিস্টেমগুলিও তৈরি করে — এবং, এর আগে AlphaGo এবং AlphaFold এর মতো, DeepMind আশা করে যে ভার্চুয়াল জগতে শেখা পাঠগুলি বাস্তবের সমস্যাগুলিতে স্থানান্তরিত হবে৷
এআই থেকে এগিয়ে থাকুন
শক্তিবৃদ্ধি শেখার মাইলফলক থেকে শুরু করে সীমান্ত গবেষণা অংশীদারিত্ব পর্যন্ত, আবিষ্কারের গতি কমার কোনো লক্ষণ দেখায় না। AI Buzz Wire উৎস-যাচাই রিপোর্টিং সহ প্রতিটি বড় AI গবেষণার উন্নয়নকে কভার করে — কোন জল্পনা নেই, কোন হাইপ নেই।
আরও এআই গবেষণার খবর পড়ুন →
