چهار عامل هوش مصنوعی که بر روی Gemini 4 Argon گوگل کار می‌کنند، بدون هیچ کمک انسانی، Minecraft را شکست داده‌اند و Ender Dragon را در یک اجرای کاملاً مستقل که 27 ساعت و 14 دقیقه به طول انجامید، از بین برده‌اند. طبق مقاله‌ای توسط فالدور و همکاران، تیم Google DeepMind عوامل را به دنیایی که به‌طور تصادفی تولید می‌شد، بدون اختصاص نقش‌ها، استراتژی‌ها یا ابزارهای خاص بازی رها کرد. توسط The Decoder پوشش داده شد - و عوامل خود را سازماندهی کردند، همکاری کردند و پیروز شدند.

Minecraft برای مدت طولانی یک معیار سرسخت برای هوش مصنوعی بوده است. برخلاف شطرنج یا Go، به برنامه ریزی طولانی مدت، اکتشاف باز، ساخت ابزار و هماهنگی نیاز دارد - همه اینها در دنیایی که هر بار که در آن تخم ریزی می کنید تغییر می کند. شکست دادن رئیس نهایی بازی از نظر تاریخی به راهنمایی انسانی یا تنظیمات آموزشی بسیار برنامه ریزی شده نیاز داشته است. در مقابل، این اجرا با چهار مامور شروع شد و نه چیز دیگری.

اجرا در اعداد

آمار جلسه مانند گزارش یک سفر پر هرج و مرج اما در نهایت موفقیت آمیز بود:

  • 27 ساعت، 14 دقیقه بازی مستقل مداوم
  • 2783 برنامه جاوا اسکریپت نوشته شده توسط خود عوامل
  • 229 پیام چت بین چهار نماینده رد و بدل شده است
  • 605 مرگ در طول راه

رقم آخر شایسته تاکید است. عوامل بیش از ششصد بار قبل از تکمیل بازی مردند، و طبق پوشش مقاله Tom's Hardware، آنها این کار را در تنظیمات سختی آسان بازی انجام دادند. همان گزارش هزینه توکن را برای اجرا تقریباً 520 دلار تخمین زد، در حالی که رمزگشا با محاسبه قیمت استاندارد Gemini 4 Argon که در سال 2027 اجرایی می شود، کل آن را به 1620 دلار می رساند. در هر صورت، هزینه تکمیل نهایی Minecraft توسط عوامل هوش مصنوعی همه منظوره اکنون با صدها دلار اندازه گیری می شود - نه میلیون ها دلار سرمایه گذاری شده در هوش مصنوعی بازی هدفمند در سال های گذشته.

کار تیمی اضطراری، بدون اسکریپت

چیزی که نتیجه را قابل توجه می کند فقط این نیست که عوامل برنده شدند، بلکه نحوه پیروزی است. به گزارش The Decoder، بدون تعیین نقش، چهار مامور وظایف را بین خود تقسیم کردند. آنها به یکدیگر در مورد تهدیدها هشدار دادند، موارد را از هم تیمی های مرده بازیابی کردند و اشتباهات را در یک حافظه مشترک ثبت کردند که به گروه اجازه می داد از تکرار اشتباهات اجتناب کنند.

به عبارت دیگر، رفتار هماهنگی که توسعه‌دهندگان بازی معمولاً کدهای سختی را در تیم‌های NPC ایجاد می‌کنند، خود به خود از چهار نمونه از یک مدل، یک دنیای مشترک و یک کانال ارتباطی پدیدار شد. 2783 برنامه جاوا اسکریپت خودنویس به عنوان یک کتابخانه مهارت همیشه در حال رشد عمل می کنند: زمانی که یک نماینده بفهمد چگونه آهن را بو کند یا یک miniboss را شکست دهد، این دانش به جای اینکه فقط در پنجره زمینه مدل زندگی کند به عنوان کد قابل استفاده مجدد باقی می ماند.

جزئیات حافظه مشترک برای هر کسی که تحقیقات عامل را دنبال می کند مهم است. تیم‌هایی از عواملی که می‌توانند درس‌ها را جمع‌آوری و انتقال دهند - به جای شروع مجدد از صفر پس از هر شکست - یکی از ضعف‌های اصلی عوامل هوش مصنوعی امروزی را برطرف می‌کنند، که تمایل دارند در لحظه پایان جلسه، پیشرفت‌های به دست آمده را از دست بدهند.

از قهرمانان هدفمند گرفته تا ماموران عمومی

نتیجه آخرین نمونه از الگویی است که در سراسر میدان شتاب گرفته است. یک دهه پیش، شکست دادن هوش مصنوعی بازی‌های ویدیویی در سطح جهانی، نیازمند سیستم‌های سفارشی بود که از ابتدا برای یک بازی آموزش دیده بودند: DeepMind's AlphaGo for Go، OpenAI Five برای Dota 2، AlphaStar برای StarCraft II. هر کدام یک تلاش مهندسی عظیم بود که می توانست دقیقاً یک کار را انجام دهد.

نمایندگان همه منظوره اکنون در حال رفع چالش‌های بازی هستند که زمانی به سال‌ها آموزش تخصصی نیاز داشت - و این کار را با همان مدلی انجام می‌دهند که می‌تواند به ایمیل‌ها پاسخ دهد یا کد بنویسد. Decoder خاطرنشان می کند که Minecraft آخرین نمونه از مدل های هوش مصنوعی عاملی است که بازی های ویدیویی را شکست می دهد که قبلاً به سیستم های هدفمند نیاز داشتند. هر نتیجه ای از این دست فاصله بین «نمونه نمایشی چشمگیر» و «دستیار عموماً توانا که می تواند هدفی طولانی را در یک محیط آشفته دنبال کند» کوتاه می کند.

دقیقاً به همین دلیل است که Minecraft چنین بستر آزمایشی تحقیقاتی مداومی بوده است: زنده ماندن خزنده‌ها اتفاقی است، اما حفظ رفتار هدفمند در طول ده‌ها ساعت در یک دنیای باز، یک پروکسی مناسب برای نوع خودمختاری است که آزمایشگاه‌های هوش مصنوعی سعی در ایجاد آن دارند.

هشدارها و زمینه

اخطارهایی وجود دارد که ارزش در نظر گرفتن دارد. این اجرا از سخت‌افزار آسان استفاده می‌کرد، و Minecraft - در حالی که به‌طور مشهور پایان باز بود - همچنان یک بازی با قوانین کاملاً تعریف‌شده، فیزیک قطعی و مکانیک‌های بازپرداخت سخاوتمندانه باقی می‌ماند. 605 مرگ در بیشتر محیط های واقعی مرگبار خواهد بود. در اینجا آنها زمان و نشانه هزینه می کنند.

ارقام محاسبه و هزینه نیز ارزش مطالعه دقیق را دارند: دو تخمین منتشر شده بسته به مدل قیمت‌گذاری استفاده شده با ضریب سه تفاوت دارند، یادآوری این که "هزینه اجرای عامل چقدر بوده" تا زمانی که قیمت‌های استنتاجی تثبیت نشود، پاسخ واحدی ندارد.

با این حال، هیچ یک از اینها نتیجه اصلی را کاهش نمی دهد. چهار عامل همه‌منظوره، که چیزی جز یک دنیا و یکدیگر به آنها داده نمی‌شود، به‌صورت خودسازماندهی در یک تیم کارآمد قرار گرفتند و یکی از طولانی‌ترین چالش‌های هوش مصنوعی بازی را در کمتر از یک روز به پایان رساندند.

چه سیگنالی برای هوش مصنوعی عاملی می دهد

برای DeepMind، این نمایش به عنوان ویترینی برای قابلیت‌های عاملی Gemini 4 Argon عمل می‌کند - خانواده مدلی که Google دقیقاً برای این نوع کار با افق طولانی و ابزار استفاده می‌کند. از آنجایی که شرکت‌ها عوامل هوش مصنوعی را از پاسخ دادن به سؤالات به اجرای گردش‌های کاری چند روزه سوق می‌دهند، معیارهایی مانند این یک نگاه اجمالی به مدل‌های فعلی می‌توانند در زمانی که هدف طولانی است، محیط متخاصم است، و شکست در صدها مرگ کوچک به جای یک مرگ بزرگ اندازه‌گیری می‌شود، ارائه می‌دهد.

Ender Dragon قبلاً با داربست های انسانی سنگین به دست ماشین ها افتاده است. این بار، چهار مامور به تنهایی وارد دنیایی تصادفی شدند - و به عنوان قهرمان از آنجا خارج شدند.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →