Google के जेमिनी 4 आर्गन को चलाने वाले चार AI एजेंटों ने एक भी मानवीय निर्देश के बिना एंडर ड्रैगन की हार के लिए एक यादृच्छिक स्पॉन से Minecraft को पूरा किया है, जिसे शोधकर्ताओं ने AI एजेंटों द्वारा गेम के पहले एंड-टू-एंड स्वायत्त समापन के रूप में वर्णित किया है।

परिणाम Google डीपमाइंड टीम - मैक्सेंस फाल्डोर, सतिंदर सिंह और रोबर्टा रेलेनु - ने 15 अक्टूबर को arXiv पर "जेमिनी 4 आर्गन एजेंटों की एक टीम ने माइनक्राफ्ट को हराया" शीर्षक के तहत पोस्ट किए गए एक पेपर में दिया है। 18 अक्टूबर को द डिकोडर द्वारा कवर किए जाने के बाद इस रन ने व्यापक ध्यान आकर्षित किया, और यह ऐसे समय में आया है जब फ्रंटियर मॉडल तेजी से ऐसे कार्यों का उपनिवेश कर रहे हैं जो हाल ही में उद्देश्य-निर्मित, गेम-विशिष्ट एआई सिस्टम की मांग करते हैं। नवीनतम एआई विकास पर नज़र रखने वाले पाठकों के लिए, यह कई घंटों तक समन्वित, लक्ष्य-निर्देशित कार्य को बनाए रखने वाले सीमांत मॉडल के अब तक के सबसे स्पष्ट प्रदर्शनों में से एक है।

एक सैंडबॉक्स, एक लक्ष्य, और कोई मानवीय स्क्रिप्ट नहीं

प्रायोगिक सेटअप जानबूझकर अतिरिक्त था। शोधकर्ताओं ने चार जेमिनी 4 आर्गन एजेंटों को बेतरतीब ढंग से उत्पन्न दुनिया से शुरू करते हुए, आसान कठिनाई पर एक सैंडबॉक्स वाले Minecraft अस्तित्व की दुनिया में रखा, और टीम को एक लक्ष्य दिया: एंडर ड्रैगन को हराना।

किसी को भी भूमिकाएँ नहीं सौंपी गईं। किसी ने भी खेल तर्क, रणनीतियाँ या खेल-विशिष्ट उपकरण नहीं लिखे। किसी भी पूर्व-स्काउटेड बीज का उपयोग नहीं किया गया था - Minecraft AI अनुसंधान में एक सामान्य शॉर्टकट जो प्रभावी रूप से एजेंट को एक ज्ञात मानचित्र सौंपता है। प्रत्येक एजेंट ने माइनफ्लेयर के माध्यम से एक खिलाड़ी को नियंत्रित किया, जो प्रोग्राम करने योग्य Minecraft क्लाइंट के लिए एक ओपन-सोर्स जावास्क्रिप्ट लाइब्रेरी है, और चार इन-गेम चैट और एक साझा मेमोरी स्टोर के माध्यम से समन्वयित करते हैं।

पेपर में कहा गया है, "आसान कठिनाई पर बेतरतीब ढंग से उत्पन्न दुनिया से शुरुआत करते हुए, टीम ने 2,783 कार्यक्रम लिखे और 27 घंटे और 14 मिनट में ड्रैगन को हराया, रास्ते में 605 बार मर गया।" "हमारी जानकारी के अनुसार, यह एआई एजेंटों द्वारा Minecraft का पहला एंड-टू-एंड स्वायत्त समापन है, जिसे पूर्व-स्काउटेड बीजों या मनुष्यों द्वारा लिखे गए अन्य गेम-विशिष्ट टूल के बिना केवल मानक माइनफ्लेयर लाइब्रेरी का उपयोग करके हासिल किया गया है।"

एजेंटों ने खुद को कैसे व्यवस्थित किया

जो बात इस दौड़ को उल्लेखनीय बनाती है, वह जीत से कम, अपने आप उभरे श्रम विभाजन से अधिक है। पेपर और द डिकोडर की रिपोर्ट के अनुसार, एजेंटों ने बिना बताए कार्यों को विभाजित कर दिया, खतरों के बारे में एक-दूसरे को चेतावनी दी, गिरे हुए टीम के साथियों से आइटम बरामद किए, और गलतियों को एक साझा मेमोरी में लॉग किया ताकि वही त्रुटि आँख बंद करके दोहराई न जाए।

संख्याएँ एक दिन से अधिक के स्वायत्त खेल की बनावट को दर्शाती हैं: एजेंटों द्वारा लिखे और डीबग किए गए 2,783 जावास्क्रिप्ट प्रोग्राम, 229 इन-गेम चैट संदेशों का आदान-प्रदान हुआ, और रास्ते में 605 मौतें हुईं। शोधकर्ता पूरे रन को लाइव डैशबोर्ड पर देख सकते थे और उन्हें किसी भी समय इसे रोकने या बंद करने का अधिकार था - लेकिन, वे रिपोर्ट करते हैं, उनके पास हस्तक्षेप करने का कोई कारण नहीं था।

बिल: $1,620

इस पैमाने पर स्वायत्तता मुफ़्त नहीं है। डिकोडर ने गणना की है कि 2027 में प्रभावी होने वाले मानक जेमिनी 4 आर्गन मूल्य पर पूरे सत्र की लागत लगभग $1,620 है। यह आंकड़ा रुकने लायक है: एक मल्टी-एजेंट टीम ने एक शत्रुतापूर्ण 3डी दुनिया का पता लगाया, इसकी क्राफ्टिंग अर्थव्यवस्था में महारत हासिल की, और चार-अंकीय एपीआई बिल के लिए दीवार-घड़ी के एक दिन से अधिक समय पर बॉस की लड़ाई को अंजाम दिया - कोई पुनर्प्रशिक्षण नहीं, कोई फाइन-ट्यूनिंग नहीं, मनुष्यों द्वारा कोई इनाम आकार नहीं।

यह यह भी दर्शाता है कि अर्थशास्त्र कितनी तेजी से बदलता है। हाल तक, Minecraft को हराना एक प्रकार का मील का पत्थर था, जिसके लिए गेमप्ले के लाखों फ़्रेमों पर स्क्रैच से प्रशिक्षित बीस्पोक सिस्टम की आवश्यकता होती थी। यहां यह एक सामान्य-उद्देश्य वाले फ्रंटियर मॉडल पर आ गया जिसका उपयोग एक हॉबीस्ट-ग्रेड माइनक्राफ्ट लाइब्रेरी के माध्यम से किया जाता है।

यह खेल से परे क्यों मायने रखता है

लेखक लिखते हैं, "जीतने के लिए एजेंटों को एक दिन से अधिक समय तक हजारों आश्रित चरणों में एक सुसंगत योजना बनाए रखने की आवश्यकता होती है।" "जटिल वास्तविक दुनिया सॉफ्टवेयर इंजीनियरिंग और उद्यम कार्य समान लंबी-क्षितिज कोडिंग और बहु-एजेंट समन्वय की मांग करते हैं।"

वह फ़्रेमिंग बताती है कि ब्लॉक गेम बॉस की लड़ाई को एक स्टंट के बजाय एक शोध परिणाम के रूप में क्यों प्रस्तुत किया जा रहा है। विफलता मोड जिसमें ऐतिहासिक रूप से सीमित एआई एजेंट हैं, वह अल्प विस्फोटों में बुद्धिमत्ता नहीं है, बल्कि समय के साथ सुसंगतता है - सैकड़ों चरणों में कथानक खोना, पहले के निर्णयों का खंडन करना, या हलकों में पुनः आरंभ करना। Minecraft रन इस बात का सबूत है कि एक फ्रंटियर मॉडल घंटों में मापे गए क्षितिज के पार संरचना को पकड़ सकता है।

सीमाएँ वास्तविक हैं, और लेखक उन्हें चिन्हित करते हैं। आसान कठिनाई, एक सीमित दुनिया, और एक स्पष्ट जीत की स्थिति Minecraft को एक खुले कार्यस्थल की तुलना में एक मित्रवत वातावरण बनाती है। पेपर स्वयं परिणाम की सीमाओं के लिए स्थान समर्पित करता है, और एक रन जो बॉस किल में समाप्त होता है, वह बिना किसी परिभाषित अंतिम स्थिति वाले गन्दे कार्यों के बारे में बहुत कम कहता है।

प्रसंग: एक तेजी से आगे बढ़ने वाली सीमा

जेमिनी 4 आर्गन Google का सबसे सक्षम फ्रंटियर मॉडल है, जो अब द डिकोडर के अनुसार दुनिया भर में उपलब्ध है, और Minecraft परिणाम इस साल फ्रंटियर मॉडल द्वारा लंबी-क्षितिज गेमिंग उपलब्धियों की श्रृंखला में नवीनतम है। जैसे-जैसे एजेंट लंबे कार्य लेते हैं, मूल्यांकन एकल-मोड़ प्रश्न उत्तर से हटकर इस तरह के दिन भर के स्वायत्त परीक्षण की ओर बढ़ रहा है।

Minecraft की छत नहीं होगी। लेकिन यहां दिखाया गया नुस्खा - सामान्यवादी मॉडल, ऑफ-द-शेल्फ उपकरण, साझा स्मृति, और कोई मानव मचान नहीं - वह हिस्सा है जो सामान्यीकरण करता है।

---

एआई से आगे रहें

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

अधिक AI समाचार पढ़ें →