गुगलच्या जेमिनी 4 आर्गॉनवर चालणाऱ्या चार एआय एजंट्सनी 27 तास आणि 14 मिनिटे चाललेल्या पूर्ण स्वायत्त रनमध्ये कोणत्याही मानवी इनपुटशिवाय Minecraft चा पराभव केला आहे. Google DeepMind टीमने एजंटना भूमिका, रणनीती किंवा गेम-विशिष्ट साधने नियुक्त न करता यादृच्छिकपणे व्युत्पन्न केलेल्या जगात सोडले, असे फाल्डोर एट अलच्या पेपरनुसार. द डीकोडरने कव्हर केले - आणि एजंटांनी स्वतःला संघटित केले, सहकार्य केले आणि जिंकले.

Minecraft हे AI साठी फार पूर्वीपासून एक हट्टी बेंचमार्क आहे. बुद्धिबळ किंवा गो याच्या विपरीत, याला दीर्घ-क्षितिजाचे नियोजन, मुक्त शोध, टूल क्राफ्टिंग आणि समन्वयाची आवश्यकता आहे — हे सर्व अशा जगात आहे जे प्रत्येक वेळी तुम्ही त्यात प्रवेश करता तेव्हा बदलते. गेमच्या अंतिम बॉसला हरवण्यासाठी ऐतिहासिकदृष्ट्या एकतर मानवी मार्गदर्शन किंवा जोरदार स्क्रिप्ट केलेले प्रशिक्षण सेटअप आवश्यक आहे. याउलट, ही धाव चार एजंट्सने सुरू झाली आणि इतर काहीही नाही.

द रन इन नंबर्स

सत्रातील आकडेवारी गोंधळलेल्या परंतु शेवटी यशस्वी मोहिमेच्या लॉगसारखी वाचली:

  • २७ तास, १४ मिनिटे सतत स्वायत्त खेळ
  • २,७८३ JavaScript प्रोग्राम स्वतः एजंटांनी लिहिलेले
  • २२९ चॅट मेसेज चार एजंट्समध्ये एक्सचेंज झाले
  • वाटेत ६०५ मृत्यू

ती शेवटची आकृती भर देण्यास पात्र आहे. गेम पूर्ण करण्यापूर्वी एजंट सहाशेहून अधिक वेळा मरण पावले आणि टॉमच्या हार्डवेअरच्या पेपरच्या कव्हरेजनुसार, त्यांनी गेमच्या सुलभ अडचण सेटिंगवर हे केले. याच अहवालाने रनसाठी टोकन खर्च अंदाजे $520 असा अंदाज लावला आहे, तर द डीकोडर, जेमिनी 4 आर्गॉनच्या मानक किंमतीनुसार 2027 मध्ये लागू होणारी गणना करून, एकूण $1,620 ठेवते. कोणत्याही प्रकारे, सामान्य-उद्देश AI एजंट्सद्वारे एंड-टू-एंड Minecraft पूर्ण करण्याची किंमत आता शेकडो डॉलर्समध्ये मोजली जाते - मागील वर्षांच्या उद्देशाने तयार केलेल्या गेम AI मध्ये गुंतवलेल्या लाखो डॉलर्समध्ये नाही.

आपत्कालीन टीमवर्क, स्क्रिप्ट नाहीत

एजंट जिंकले एवढेच नव्हे तर कसे परिणाम लक्षणीय ठरतात. कोणतीही भूमिका नियुक्त न करता, चार एजंट आपापसात कार्ये विभाजित करतात, द डीकोडर अहवाल. त्यांनी एकमेकांना धमक्यांबद्दल चेतावणी दिली, मृत संघसहकाऱ्यांकडून वस्तू परत मिळवल्या आणि सामायिक केलेल्या मेमरीमध्ये चुका नोंदवल्या ज्यामुळे गटाला चुका पुन्हा टाळता येऊ शकतात.

दुसऱ्या शब्दांत, गेम डेव्हलपर सहसा NPC संघांमध्ये हार्ड-कोड करणारे समन्वय वर्तन समान मॉडेल, एक सामायिक जग आणि संप्रेषण चॅनेलच्या चार घटनांमधून स्वतःच उद्भवले. 2,783 स्वयं-लिखित JavaScript प्रोग्राम्स सतत वाढणारी कौशल्य लायब्ररी म्हणून कार्य करतात: एकदा एजंटने लोखंड कसे वितळवायचे किंवा मिनीबॉसला कसे पराभूत करायचे हे शोधून काढले की, ते ज्ञान केवळ मॉडेलच्या संदर्भ विंडोमध्ये जगण्याऐवजी पुन्हा वापरता येण्याजोगे कोड म्हणून टिकून राहते.

एजंट संशोधनाचे अनुसरण करणाऱ्या प्रत्येकासाठी सामायिक-मेमरी तपशील महत्त्वाचे आहेत. एजंट्सचे संघ जे धडे जमा करू शकतात आणि प्रसारित करू शकतात — प्रत्येक अपयशानंतर शून्यातून पुन्हा सुरू करण्याऐवजी — आजच्या AI एजंट्सच्या मध्यवर्ती कमकुवततेपैकी एक संबोधित करतात, जे सत्र संपल्याच्या क्षणी कठोरपणे जिंकलेली प्रगती गमावतात.

उद्देश-निर्मित चॅम्पियन्सपासून ते सामान्य एजंटपर्यंत

परिणाम हे एका पॅटर्नचे ताजे उदाहरण आहे जे संपूर्ण क्षेत्रामध्ये वेगवान होत आहे. एका दशकापूर्वी, जागतिक दर्जाच्या व्हिडिओ गेम AI ला हरवण्यासाठी एका गेमसाठी सुरवातीपासून प्रशिक्षित बेस्पोक सिस्टमची आवश्यकता होती: डीपमाइंडचा अल्फागो फॉर गो, डोटा 2 साठी ओपनएआय फाइव्ह, स्टारक्राफ्ट II साठी अल्फास्टार. प्रत्येक एक अभियांत्रिकी प्रयत्न होता जो अगदी एक गोष्ट करू शकतो.

सामान्य-उद्देश एजंट आता गेम आव्हाने साफ करत आहेत ज्यांनी एकेकाळी अनेक वर्षांच्या विशेष प्रशिक्षणाची मागणी केली होती — आणि ते ते त्याच मॉडेलसह करतात जे ईमेलला उत्तर देऊ शकतात किंवा कोड लिहू शकतात. डीकोडर नोंदवतो की Minecraft हे एजंटिक AI मॉडेल्सचे व्हिडिओ गेम मारण्याचे नवीनतम उदाहरण आहे ज्यांना उद्देशाने तयार केलेल्या सिस्टमची आवश्यकता असते. असा प्रत्येक परिणाम "प्रभावी डेमो" आणि "सामान्यत: सक्षम असिस्टंट जो गोंधळलेल्या वातावरणात दीर्घ ध्येयाचा पाठपुरावा करू शकतो" मधील अंतर कमी करतो.

त्यामुळेच Minecraft हा एक सतत संशोधनाचा विषय बनला आहे: क्रीपर्सवर टिकून राहणे आनुषंगिक आहे, परंतु खुल्या जगात दहा तासांपर्यंत ध्येय-निर्देशित वर्तन टिकवून ठेवणे हे AI लॅब ज्या प्रकारची स्वायत्तता तयार करण्याचा प्रयत्न करत आहेत त्यासाठी एक योग्य प्रॉक्सी आहे.

चेतावणी आणि संदर्भ

लक्षात ठेवण्यासारखे चेतावणी आहेत. रनमध्ये टॉमच्या हार्डवेअरनुसार इझी अडचण, आणि माइनक्राफ्टचा वापर करण्यात आला — प्रसिद्धपणे ओपन-एंडेड असताना — सु-परिभाषित नियम, निर्धारवादी भौतिकशास्त्र आणि उदार रेस्पॉन मेकॅनिक्सचा खेळ आहे. बहुतेक वास्तविक-जगातील सेटिंग्जमध्ये 605 मृत्यू घातक ठरतील; येथे ते वेळ आणि टोकन खर्च करतात.

गणना आणि खर्चाचे आकडे देखील काळजीपूर्वक वाचण्यासारखे आहेत: दोन प्रकाशित अंदाज वापरलेल्या किंमती मॉडेलवर अवलंबून तीनच्या घटकाने भिन्न आहेत, एक स्मरणपत्र की "एजंटची किंमत किती आहे" चे अनुमान किंमत स्थिर होईपर्यंत कोणतेही उत्तर नाही.

तरीही, यापैकी काहीही मुख्य परिणाम कमी करत नाही. चार सामान्य-उद्देशीय एजंट, ज्यांना जग आणि एकमेकांशिवाय काहीही दिले नाही, एक प्रभावी संघात स्वयं-संघटित झाले आणि गेमिंगचे प्रदीर्घ चालणारे एआय आव्हान केवळ एका दिवसापेक्षा जास्त वेळा पूर्ण केले.

हे एजंटिक एआयसाठी काय संकेत देते

डीपमाइंडसाठी, जेमिनी 4 आर्गॉनच्या एजंटिक क्षमतांसाठी प्रदर्शन दुप्पट आहे — मॉडेल फॅमिली Google अशा प्रकारच्या लांब-क्षितिज, टूल-वापरून कामासाठी स्थान देत आहे. एंटरप्रायझेस एआय एजंटना प्रश्नांची उत्तरे देण्यापासून बहु-दिवसीय वर्कफ्लो कार्यान्वित करण्यासाठी हलवतात, यासारखे बेंचमार्क हे वर्तमान मॉडेल काय टिकवून ठेवू शकतात याची झलक देतात जेव्हा उद्दिष्ट लांब असते, वातावरण प्रतिकूल असते आणि अपयश एका मोठ्या मृत्यूपेक्षा शेकडो लहान मृत्यूंमध्ये मोजले जाते.

एण्डर ड्रॅगन याआधीही जड मानवी मचानसह मशीनवर पडला आहे. यावेळी, चार एजंट एकटेच यादृच्छिक जगात गेले - आणि चॅम्पियन म्हणून बाहेर पडले.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →