Google च्या Gemini 4 Argon चालवणाऱ्या चार AI एजंट्सनी Minecraft एका यादृच्छिक स्पॉनपासून ते एंडर ड्रॅगनच्या पराभवापर्यंत एकाही मानवी सूचनेशिवाय पूर्ण केले आहे, ज्याचे संशोधकांनी AI एजंट्सद्वारे गेमचे पहिले एंड-टू-एंड स्वायत्त पूर्णत्व म्हणून वर्णन केले आहे.

15 ऑक्टोबर रोजी arXiv वर "जेमिनी 4 आर्गोन एजंट्सची टीम माइनक्राफ्टला हरवते" या शीर्षकाखाली पोस्ट केलेल्या पेपरमध्ये - Google DeepMind टीम - Maxence Faldor, Satinder Singh आणि Roberta Raileanu - कडून निकाल आला आहे. 18 ऑक्टोबर रोजी द डिकोडरने कव्हर केल्यानंतर या रनकडे अधिक लक्ष वेधले गेले आणि ते अशा क्षणी उतरले जेव्हा फ्रंटियर मॉडेल्स अशा कामांना झपाट्याने वसाहत करत आहेत ज्यांना अलीकडेच उद्देश-निर्मित, गेम-विशिष्ट AI सिस्टमची मागणी होती. नवीनतम AI घडामोडींचा मागोवा घेणाऱ्या वाचकांसाठी, हे समन्वित, ध्येय-निर्देशित कार्य अनेक तासांपर्यंत टिकवून ठेवणाऱ्या फ्रंटियर मॉडेल्सपैकी एक स्पष्ट प्रदर्शन आहे.

एक सँडबॉक्स, एक ध्येय आणि मानवी स्क्रिप्ट नाहीत

प्रायोगिक सेटअप मुद्दाम सुटे होते. संशोधकांनी चार जेमिनी 4 आर्गॉन एजंटना सँडबॉक्स्ड माइनक्राफ्ट सर्व्हायव्हल वर्ल्डमध्ये इझी अडचण वर ठेवले, यादृच्छिकपणे व्युत्पन्न केलेल्या जगापासून सुरुवात केली आणि संघाला एक ध्येय दिले: एंडर ड्रॅगनचा पराभव करा.

कोणीही भूमिका नियुक्त केल्या नाहीत. गेम लॉजिक, रणनीती किंवा गेम-विशिष्ट साधने कोणीही लिहिले नाहीत. कोणतेही प्री-स्काउट बियाणे वापरले गेले नाही — Minecraft AI संशोधनातील एक सामान्य शॉर्टकट जो प्रभावीपणे एजंटला ज्ञात नकाशा देतो. प्रत्येक एजंटने एक खेळाडू Mineflayer, प्रोग्राम करण्यायोग्य Minecraft क्लायंटसाठी एक मुक्त-स्रोत JavaScript लायब्ररी आणि गेममधील चॅट आणि सामायिक मेमरी स्टोअरद्वारे समन्वयित केले.

"सहज अडचणीवर यादृच्छिकपणे व्युत्पन्न केलेल्या जगापासून सुरुवात करून, संघाने 2,783 कार्यक्रम लिहिले आणि 27 तास आणि 14 मिनिटांत ड्रॅगनचा पराभव केला, वाटेत 605 वेळा मरण पावले," पेपरमध्ये म्हटले आहे. "आमच्या माहितीनुसार, AI एजंट्सद्वारे Minecraft चे हे पहिले एंड-टू-एंड स्वायत्त पूर्णत्व आहे, जे प्री-स्काउटेड सीड्स किंवा मानवांनी लिहिलेल्या इतर गेम-विशिष्ट साधनांशिवाय फक्त मानक Mineflayer लायब्ररी वापरून साध्य केले आहे."

एजंटांनी स्वतःला कसे संघटित केले

स्वत:च्या बळावर निर्माण झालेल्या श्रमविभागणीपेक्षा हा विजय कमी आहे. पेपर आणि द डिकोडरच्या अहवालानुसार, एजंटांनी न सांगता कार्ये विभाजित केली, एकमेकांना धमक्यांबद्दल चेतावणी दिली, पडलेल्या टीममेट्सकडून वस्तू पुनर्प्राप्त केल्या आणि सामायिक मेमरीमध्ये चुका नोंदवल्या जेणेकरून त्याच त्रुटीची आंधळेपणाने पुनरावृत्ती होऊ नये.

संख्या स्वायत्त खेळाच्या दिवसापेक्षा अधिकचा पोत कॅप्चर करते: एजंट्सद्वारे 2,783 JavaScript प्रोग्राम लिहिलेले आणि डीबग केले गेले, 229 इन-गेम चॅट संदेशांची देवाणघेवाण झाली आणि 605 मृत्यू वाटेत शोषले गेले. संशोधक संपूर्ण रन थेट डॅशबोर्डवर पाहू शकत होते आणि त्यांना कोणत्याही वेळी विराम देण्याचा किंवा थांबवण्याचा अधिकार देण्यात आला होता — परंतु, त्यांनी अहवाल दिला की त्यांच्याकडे हस्तक्षेप करण्याचे कोणतेही कारण नव्हते.

बिल: $1,620

या प्रमाणात स्वायत्तता मुक्त नाही. डीकोडर गणना करतो की 2027 मध्ये लागू होणाऱ्या मानक जेमिनी 4 आर्गॉन किंमतीनुसार संपूर्ण सत्राची किंमत अंदाजे $1,620 आहे. हा आकडा थांबवण्यासारखा आहे: एका मल्टी-एजंट टीमने प्रतिकूल 3D जगाचा शोध लावला, त्याच्या क्राफ्टिंग इकॉनॉमीमध्ये प्रभुत्व मिळवले, आणि एक दिवसापेक्षा जास्त वेळ बॉस फाईट पार पाडली. पुनर्प्रशिक्षण, कोणतेही फाइन-ट्यूनिंग नाही, मानवाकडून बक्षीस आकारत नाही.

अर्थशास्त्र किती वेगाने बदलते हे देखील ते प्रतिबिंबित करते. बीटिंग माइनक्राफ्ट हा एक प्रकारचा मैलाचा दगड होता ज्यासाठी लाखो गेमप्लेच्या फ्रेम्सवर सुरवातीपासून प्रशिक्षित बेस्पोक सिस्टमची आवश्यकता होती. येथे ते छंद-श्रेणीच्या Minecraft लायब्ररीद्वारे वापरल्या जाणाऱ्या सामान्य-उद्देशीय सीमा मॉडेलवर पडले.

हे खेळाच्या पलीकडे का महत्त्वाचे आहे

लेखक लिहितात, "जिंकण्यासाठी एजंटांना हजारो अवलंबून असलेल्या पायऱ्यांवर एका दिवसापेक्षा अधिक काळ सुसंगत योजना ठेवणे आवश्यक आहे." "जटिल वास्तविक-जागतिक सॉफ्टवेअर अभियांत्रिकी आणि एंटरप्राइझ कार्ये समान लांब-क्षितिज कोडिंग आणि मल्टी-एजंट समन्वयाची मागणी करतात."

हे फ्रेमिंग स्पष्ट करते की ब्लॉक गेम बॉसची लढाई स्टंटऐवजी संशोधन परिणाम म्हणून का सादर केली जात आहे. ऐतिहासिकदृष्ट्या मर्यादित एआय एजंट्स असलेले अपयश मोड म्हणजे लहान स्फोटांमध्ये बुद्धिमत्ता नसून कालांतराने सुसंगतता - शेकडो पायऱ्या ओलांडून कथानक गमावणे, पूर्वीच्या निर्णयांचा विरोध करणे किंवा मंडळांमध्ये पुन्हा सुरू करणे. मिनीक्राफ्ट रन हा पुरावा आहे की फ्रंटियर मॉडेल तासांमध्ये मोजले जाणारे क्षितिज ओलांडून रचना धारण करू शकते.

मर्यादा वास्तविक आहेत आणि लेखक त्यांना ध्वजांकित करतात. सोपी अडचण, एक बांधलेले जग आणि खुसखुशीत विजयाची स्थिती Minecraft ला ओपन एंडेड कामाच्या ठिकाणापेक्षा अनुकूल वातावरण बनवते. पेपर स्वतःच निकालाच्या सीमारेषेसाठी जागा देतो आणि बॉसच्या किलमध्ये समाप्त होणारी रन कोणतीही परिभाषित शेवटची स्थिती नसलेल्या गोंधळलेल्या कार्यांबद्दल थोडेसे सांगते.

संदर्भ: एक वेगवान-मुव्हिंग फ्रंटियर

Gemini 4 Argon हे Google चे सर्वात सक्षम फ्रंटियर मॉडेल आहे, जे आता The Decoder नुसार जगभरात उपलब्ध आहे आणि Minecraft परिणाम हा या वर्षीच्या फ्रंटियर मॉडेल्सच्या लाँग-होरिसन गेमिंग कृत्यांमध्ये नवीनतम आहे. एजंट अधिक काळ असाइनमेंट घेतात, त्याचप्रमाणे मूल्यमापन एकल-वळणाच्या प्रश्नावरून उत्तर देणाऱ्या दिवसभराच्या स्वायत्तता चाचणीकडे सरकत आहे.

Minecraft कमाल मर्यादा असणार नाही. पण इथे दाखवलेली रेसिपी — सामान्यवादी मॉडेल्स, ऑफ-द-शेल्फ टूल्स, सामायिक मेमरी आणि मानवी मचान नाही — हा एक भाग आहे जो सामान्यीकृत करतो.

---

एआयच्या पुढे राहा

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

अधिक AI बातम्या वाचा →