Google के जेमिनी 4 आर्गन पर चलने वाले चार AI एजेंटों ने 27 घंटे और 14 मिनट तक चलने वाली पूरी तरह से स्वायत्त दौड़ में एंडर ड्रैगन को बिना किसी मानव इनपुट के Minecraft को हरा दिया है। फाल्डोर एट अल के एक पेपर के अनुसार, Google डीपमाइंड टीम ने एजेंटों को भूमिका, रणनीति या गेम-विशिष्ट टूल बताए बिना यादृच्छिक रूप से उत्पन्न दुनिया में छोड़ दिया। द डिकोडर द्वारा कवर किया गया - और एजेंटों ने खुद को संगठित किया, सहयोग किया और जीत हासिल की।

Minecraft लंबे समय से AI के लिए एक जिद्दी बेंचमार्क रहा है। शतरंज या गो के विपरीत, यह लंबी-क्षितिज योजना, ओपन-एंडेड अन्वेषण, टूल क्राफ्टिंग और समन्वय की मांग करता है - यह सब एक ऐसी दुनिया में होता है जो हर बार जब आप इसमें आते हैं तो बदल जाती है। गेम के अंतिम बॉस को हराने के लिए ऐतिहासिक रूप से या तो मानव मार्गदर्शन या भारी स्क्रिप्टेड प्रशिक्षण सेटअप की आवश्यकता होती है। इसके विपरीत, यह दौड़ चार एजेंटों के साथ शुरू हुई और कुछ नहीं।

संख्या में भागना

सत्र के आँकड़े एक अराजक लेकिन अंततः सफल अभियान के लॉग की तरह पढ़ते हैं:

  • 27 घंटे, 14 मिनट निरंतर स्वायत्त खेल
  • 2,783 जावास्क्रिप्ट प्रोग्राम स्वयं एजेंटों द्वारा लिखे गए
  • चार एजेंटों के बीच 229 चैट संदेशों का आदान-प्रदान हुआ
  • रास्ते में 605 मौतें

वह अंतिम आंकड़ा जोर देने योग्य है। खेल को पूरा करने से पहले एजेंटों की छह सौ से अधिक बार मृत्यु हुई, और टॉम के हार्डवेयर के पेपर के कवरेज के अनुसार, उन्होंने इसे खेल की आसान कठिनाई सेटिंग पर किया। इसी रिपोर्ट में अनुमान लगाया गया है कि दौड़ के लिए टोकन खर्च लगभग $520 होगा, जबकि डिकोडर ने जेमिनी 4 आर्गन के 2027 में प्रभावी होने वाले मानक मूल्य निर्धारण की गणना करते हुए कुल $1,620 रखा है। किसी भी तरह से, सामान्य प्रयोजन एआई एजेंटों द्वारा एंड-टू-एंड माइनक्राफ्ट को पूरा करने की लागत अब सैकड़ों डॉलर में मापी जाती है - पिछले वर्षों के उद्देश्य-निर्मित गेम एआई में निवेश किए गए लाखों डॉलर में नहीं।

उभरती हुई टीम वर्क, कोई स्क्रिप्ट नहीं

जो बात परिणाम को उल्लेखनीय बनाती है वह सिर्फ यह नहीं है कि एजेंट जीते, बल्कि यह भी है कि कैसे। द डिकोडर की रिपोर्ट के अनुसार, कोई भूमिका न सौंपे जाने के कारण, चार एजेंटों ने कार्यों को आपस में बांट लिया। उन्होंने एक-दूसरे को खतरों के बारे में चेतावनी दी, मृत टीम के साथियों से आइटम बरामद किए, और साझा मेमोरी में गलतियों को लॉग किया जिससे समूह को त्रुटियों को दोहराने से बचने में मदद मिली।

दूसरे शब्दों में, गेम डेवलपर्स आमतौर पर एनपीसी टीमों में जो समन्वय व्यवहार हार्ड-कोड करते हैं, वह एक ही मॉडल, एक साझा दुनिया और एक संचार चैनल के चार उदाहरणों से अपने आप उभरा। 2,783 स्व-लिखित जावास्क्रिप्ट प्रोग्राम एक निरंतर बढ़ती कौशल लाइब्रेरी के रूप में कार्य करते हैं: एक बार जब एक एजेंट यह पता लगा लेता है कि लोहे को कैसे गलाना है या मिनीबॉस को कैसे हराना है, तो वह ज्ञान केवल मॉडल की संदर्भ विंडो में रहने के बजाय पुन: प्रयोज्य कोड के रूप में बना रहता है।

एजेंट अनुसंधान का अनुसरण करने वाले किसी भी व्यक्ति के लिए साझा-मेमोरी विवरण मायने रखता है। एजेंटों की टीमें जो सबक जमा और प्रसारित कर सकती हैं - प्रत्येक विफलता के बाद शून्य से पुनः आरंभ करने के बजाय - आज के एआई एजेंटों की केंद्रीय कमजोरियों में से एक को संबोधित करती हैं, जो सत्र समाप्त होते ही कड़ी मेहनत से हासिल की गई प्रगति खो देते हैं।

उद्देश्य से निर्मित चैंपियंस से लेकर सामान्य एजेंट तक

परिणाम उस पैटर्न का नवीनतम उदाहरण है जो पूरे क्षेत्र में तेजी से बढ़ रहा है। एक दशक पहले, विश्व स्तरीय वीडियो गेम एआई को मात देने के लिए एक गेम के लिए स्क्रैच से प्रशिक्षित बीस्पोक सिस्टम की आवश्यकता थी: गो के लिए डीपमाइंड का अल्फागो, डोटा 2 के लिए ओपनएआई फाइव, स्टारक्राफ्ट II के लिए अल्फास्टार। प्रत्येक एक महान इंजीनियरिंग प्रयास था जो बिल्कुल एक ही काम कर सकता था।

सामान्य-प्रयोजन एजेंट अब खेल की चुनौतियों का सामना कर रहे हैं, जिनके लिए एक बार वर्षों के विशेष प्रशिक्षण की आवश्यकता होती है - और वे इसे उसी मॉडल के साथ करते हैं जो ईमेल का जवाब दे सकता है या कोड लिख सकता है। डिकोडर नोट करता है कि Minecraft उन वीडियो गेम को मात देने वाले एजेंटिक एआई मॉडल का नवीनतम उदाहरण है, जिनके लिए उद्देश्य-निर्मित सिस्टम की आवश्यकता होती थी। ऐसा प्रत्येक परिणाम "प्रभावशाली डेमो" और "आम तौर पर सक्षम सहायक जो गंदे वातावरण में एक लंबे लक्ष्य का पीछा कर सकता है" के बीच की दूरी को कम कर देता है।

ठीक यही कारण है कि माइनक्राफ्ट इतना लगातार अनुसंधान परीक्षण रहा है: रेंगने वालों का जीवित रहना आकस्मिक है, लेकिन खुली दुनिया में दसियों घंटों तक लक्ष्य-निर्देशित व्यवहार को बनाए रखना उस तरह की स्वायत्तता के लिए एक सभ्य प्रॉक्सी है जिसे एआई लैब बनाने की कोशिश कर रहे हैं।

चेतावनी और संदर्भ

ध्यान में रखने योग्य कुछ चेतावनियाँ हैं। टॉम के हार्डवेयर और माइनक्राफ्ट के अनुसार, रन में आसान कठिनाई का उपयोग किया गया - जबकि प्रसिद्ध रूप से ओपन-एंडेड - अच्छी तरह से परिभाषित नियमों, नियतात्मक भौतिकी और उदार रिस्पॉन यांत्रिकी के साथ एक गेम बना हुआ है। अधिकांश वास्तविक दुनिया की स्थितियों में 605 मौतें घातक होंगी; यहां उनका समय और टोकन खर्च होता है।

गणना और लागत के आंकड़े भी ध्यान से पढ़ने लायक हैं: दो प्रकाशित अनुमान उपयोग किए गए मूल्य निर्धारण मॉडल के आधार पर तीन के कारक से भिन्न होते हैं, एक अनुस्मारक कि "एजेंट ने कितनी लागत चलाई" का कोई एक उत्तर नहीं है जब तक कि अनुमानित कीमतें स्थिर न हो जाएं।

फिर भी, इनमें से कोई भी मूल परिणाम को कम नहीं करता है। चार सामान्य-उद्देश्यीय एजेंटों ने, एक दुनिया और एक-दूसरे के अलावा कुछ भी नहीं दिया, एक प्रभावी टीम में स्व-संगठित हुए और गेमिंग की सबसे लंबे समय तक चलने वाली एआई चुनौतियों में से एक को बमुश्किल एक दिन से अधिक समय में पूरा किया।

यह एजेंट एआई के लिए क्या संकेत देता है

डीपमाइंड के लिए, प्रदर्शन जेमिनी 4 आर्गन की एजेंटिक क्षमताओं के प्रदर्शन के रूप में दोगुना हो जाता है - मॉडल परिवार Google बिल्कुल इस तरह के लंबे-क्षितिज, टूल-उपयोग कार्य के लिए स्थिति बना रहा है। जैसे-जैसे उद्यम एआई एजेंटों को सवालों के जवाब देने से लेकर बहु-दिवसीय वर्कफ़्लो निष्पादित करने की ओर ले जाते हैं, इस तरह के बेंचमार्क इस बात की एक झलक पेश करते हैं कि मौजूदा मॉडल क्या बनाए रख सकते हैं जब उद्देश्य लंबा हो, पर्यावरण प्रतिकूल हो, और विफलता को एक बड़ी मौत के बजाय सैकड़ों छोटी मौतों में मापा जाता है।

एंडर ड्रैगन पहले भी भारी मानव मचान के साथ मशीनों पर गिर चुका है। इस बार, चार एजेंट अकेले एक यादृच्छिक दुनिया में चले गए - और चैंपियन के रूप में बाहर निकले।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →