Google DeepMind သည် ၎င်း၏ 15 နှစ်ကြာ AI သုတေသနကို ဂိမ်းများတွင် နောက်ကြောင်းပြန်သုံးသပ်ကာ EVE Online နောက်ကွယ်ရှိ အမှီအခိုကင်းသော စတူဒီယိုဖြစ်သော Fenris Creations နှင့် ၎င်း၏ သုတေသနလုပ်ဖော်ကိုင်ဖက်များဖြင့် အဆုံးအဖြတ်ပေးပြီး EVE စကြဝဠာအတွင်း လုပ်ဆောင်မည့် အဖွဲ့အစည်းနှစ်ခုမှ စီစဉ်လုပ်ဆောင်မည့် သုတေသနပရိုဂရမ်ကို ခင်းကျင်းပြသထားသည်။
Alexandre Moufarek နှင့် Adrian Bolton မှရေးသားသောသြဂုတ်လ 21 ပို့စ်သည် ဓာတ်ခွဲခန်း၏ အစောဆုံးအားဖြည့်သင်ကြားမှုရလဒ်များကို ယေဘူယျအေးဂျင့်များ၏ လက်ရှိအလုပ်နှင့် ချိတ်ဆက်ထားသည်။ ၎င်းသည် ယခုနှစ်အစောပိုင်းတွင် ပထမဆုံးထုတ်ဖော်ပြသခဲ့သော မိတ်ဖက်ပူးပေါင်းမှု၏ အပြည့်အဝစာရင်းအင်းဖြစ်ပြီး ၎င်းသည် [AI သုတေသန] (https://aibuzzwire.news) ၏နောက်ထပ်နယ်စပ်ကို ယုံကြည်သည်- ဂိမ်းတစ်ခုတည်းကို ရှင်းရှင်းလင်းလင်းရမှတ်ဖြင့် ကျွမ်းကျင်အောင်လုပ်ဆောင်ခြင်းမဟုတ်ဘဲ 2003 ခုနှစ်ကတည်းက တောက်လျှောက်လည်ပတ်နေသည့် သက်ရှိကမ္ဘာကို ရှင်သန်ခြင်း၌ ရှင်သန်ခြင်း၌ အချက်ပြခြင်းဖြစ်သည်။
Atari Pixels မှ AlphaStar အထိ
နောက်ကြောင်းပြန်သည် DeepMind ၏သုတေသနပရိုဂရမ်ကိုတည်ဆောက်ခဲ့သောဂိမ်းရလဒ်များကိုခြေရာခံသည်။ 2015 Nature paper တွင်ဖော်ပြထားသော Deep Q-Network (DQN) သည် ကြမ်းကြမ်းပစ်ဇယ်များမှ Atari 2600 ဂိမ်း 49 ခုကို တိုက်ရိုက်ကစားရန် သင်ယူခဲ့သည် — Pong မှ Breakout အထိ Space Invaders — မည်သည့်ဂိမ်းဆိုင်ရာ အင်ဂျင်နီယာမှမပါဘဲ ခေတ်သစ်နက်နဲသောအားဖြည့်သင်ကြားမှုကို အထောက်အကူဖြစ်စေပါသည်။
နောက်ဆက်တွဲမှတ်တိုင်တစ်ခုစီတိုင်းသည် စွမ်းဆောင်ရည်ပို၍ ယေဘုယျစနစ်များကို ထုတ်လုပ်ခဲ့သည်။ AlphaGo သည် 2016 ခုနှစ်တွင် ကမ္ဘာ့ချန်ပီယံ Lee Sedol ကို အနိုင်ယူခဲ့ပြီး ကျွမ်းကျင်သူများစွာက ဆယ်စုနှစ်တစ်ခုသာ ကျန်ရှိတော့သည်ဟု ထင်မြင်ခဲ့ကြသည်။ AlphaGo Zero သည် ကိုယ်တိုင်ကစားခြင်းမှ လုံးဝသင်ယူခြင်းဖြင့် ယခင်ဗားရှင်းတိုင်းကို ကျော်လွန်သွားပြီး AlphaZero သည် စစ်တုရင်၊ shogi နှင့် Go တို့ကို ကျွမ်းကျင်သော နည်းစနစ်တစ်ခုဖြင့် ယေဘုယျအားဖြင့် ချဉ်းကပ်ခဲ့သည်။ MuZero သည် စည်းမျဉ်းများကို မသိဘဲ ကစားရန် သင်ယူခဲ့သည်။ 2019 ခုနှစ်တွင် AlphaStar သည် အချိန်နှင့်တပြေးညီရှုပ်ထွေးမှုနှင့် မပြည့်စုံသောအချက်အလက်များကိုရှာဖွေကာ StarCraft II တွင် Grandmaster အဆင့်သို့ရောက်ရှိခဲ့သည်။
DeepMind သည် ဤစူးစမ်းရှာဖွေမှုစိတ်ဓာတ်သည် ဂိမ်းများထက်ကျော်လွန်၍ သယ်ဆောင်သွားကြောင်း မှတ်သားထားသည်- AlphaFold သည် တူညီသောအခြေခံအုတ်မြစ်များကို ပရိုတင်းဖွဲ့စည်းပုံခန့်မှန်းချက်တွင် အသုံးချခဲ့ပြီး 2024 ခုနှစ် ဓာတုဗေဒနိုဘယ်ဆုဖြင့် အသိအမှတ်ပြုထားသော အောင်မြင်မှုတစ်ခုဖြစ်သည်။
အထွေထွေကိုယ်စားလှယ်အဖြစ်သို့ ကူးပြောင်းခြင်း။
ပို့စ်သည် အခြေခံကျသော ဦးတည်ချက်ပြောင်းလဲမှုကို ဘောင်ခတ်ထားသည်။ အစောပိုင်းက AI သည် ရှင်းလင်းသောရည်မှန်းချက်နှင့် လုံလောက်သောလေ့ကျင့်မှုပေးထားသည့် မည်သည့်ဂိမ်းကိုမဆို ကျွမ်းကျင်နိုင်ကြောင်း သရုပ်ပြခဲ့သည်။ ဒါပေမယ့် စာရေးဆရာတွေ ရေးခဲ့သလိုပဲ၊ "တကယ်ကမ္ဘာကြီးဟာ ရမှတ်တွေနဲ့ စည်းကမ်းစာအုပ်တွေ မပါပါဘူး။" ယင်းက မတူညီသောမေးခွန်းတစ်ခုဖြစ်လာသည်- AI သည် လူတစ်ဦး၏ပုံစံအတိုင်း မည်သည့်ဂိမ်းလောကနှင့်မဆို နားလည်သဘောပေါက်ပြီး အပြန်အလှန်တုံ့ပြန်နိုင်ပါသလား။
ထိုရည်မှန်းချက်အတွက် ကားသည် SIMA၊ Scalable Instructable Multiworld Agent ဖြစ်သည်။ မြင့်မားသောရမှတ်အတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်မည့်အစား SIMA သည် ဖန်သားပြင်ပေါ်တွင် ကစားသူတစ်ဦးမြင်ရသောအရာကို ရိပ်မိသည်၊ သဘာဝဘာသာစကားညွှန်ကြားချက်များကို နားလည်ပြီး သာမာန်ကီးဘုတ်နှင့် မောက်စ်ထိန်းချုပ်မှုများမှတစ်ဆင့် လုပ်ဆောင်သည် — API သို့မဟုတ် အရင်းအမြစ်ကုဒ်အသုံးပြုခွင့်မလိုအပ်ပါ။ 2025 ခုနှစ် နိုဝင်ဘာလတွင် ၎င်း၏ core တွင် Gemini မော်ဒယ်ဖြင့် မိတ်ဆက်ခဲ့သော SIMA 2 သည် အချိန်နှင့်တစ်ပြေးညီ ကျိုးကြောင်းဆင်ခြင်ခြင်းနှင့် စကားပြောဆိုနိုင်သည့် အပြန်အလှန်အဖော်အဖြစ် လုပ်ဆောင်ကာ No Man's Sky၊ Valheim နှင့် Hydroneer အပါအဝင် ရှုပ်ထွေးသော 3D ပတ်၀န်းကျင်တွင် လူသားကဲ့သို့ ကစားခြင်းကို ရရှိနိုင်သည်။
ဓာတ်ခွဲခန်းသည် အေးဂျင့်၏ကန့်သတ်ချက်များနှင့်ပတ်သက်၍ ပွင့်ပွင့်လင်းလင်းဖော်ပြထားသည်- SIMA 2 သည် အလွန်ရှည်လျားသောမိုးကုပ်စက်ဝိုင်းလုပ်ဆောင်စရာများနှင့် ရုန်းကန်နေရဆဲဖြစ်ပြီး latency နည်းပါးသော အပြန်အလှန်တုံ့ပြန်မှုအတွက် လိုအပ်သော ဆက်စပ်ဝင်းဒိုးမှ ကန့်သတ်ထားသော မမ်မိုရီတိုတစ်ခုမှ အလုပ်လုပ်ပါသည်။ ၎င်းသည် ပညာရပ်ဆိုင်ရာများနှင့် ဂိမ်းဆော့ဖ်ဝဲရေးဆွဲသူများ၏ အစုအဝေးငယ်တစ်ခုအတွက် အကန့်အသတ်ရှိသော သုတေသနအစမ်းကြည့်ရှုမှုတစ်ခုအဖြစ် ကျန်ရှိနေပါသေးသည်။
ဘာကြောင့် EVE အွန်လိုင်းမှာလဲ။
Fenris Creations မိတ်ဖက်အဖွဲ့သည် DeepMind သည် မည်သည့်စံနှုန်းကိုမျှ ပုံတူပွား၍မရနိုင်သောအရာကို ဝင်ရောက်ခွင့်ပေးသည်- ထောင်ပေါင်းများစွာသော ကစားသမားများသည် အစစ်အမှန်ထောက်ပံ့မှုနှင့် ၀ယ်လိုအား ဒိုင်နနမစ်များဖြင့် စီးပွားရေးတစ်ခုတည်းကို မျှဝေသည့် မြဲမြံသော၊ တစ်ခုတည်းသောစကြာဝဠာတစ်ခု၊ ကြယ်ပွင့်စနစ်များစွာကို ဖြန့်ကျက်ထားသော ကုန်သွယ်မှုကွန်ရက်များနှင့် ကစားသမားများ၏ အပြန်အလှန်ဆက်သွယ်မှုဖြင့် လုံး၀တည်ဆောက်ထားသော နိုင်ငံရေးပုံစံများ။
DeepMind သည် လေ့ကျင့်ခန်းပြုလုပ်ရန်အတွက် ပတ်ဝန်းကျင်တွင် စွမ်းရည်လေးခုကို ခွဲခြားသတ်မှတ်သည်- မေ့မပစ်ဘဲ စဉ်ဆက်မပြတ်သင်ယူခြင်း၊ ယနေ့ခေတ်ပုံစံပြတင်းပေါက်များထက် ကျယ်ပြန့်သောမှတ်ဉာဏ်၊ ရက်သတ္တပတ်များ၊ လများ သို့မဟုတ် နှစ်များအတွင်း ရှည်လျားသောစီမံကိန်းရေးဆွဲခြင်းနှင့် ပူးပေါင်းဆောင်ရွက်မှု၊ ပြိုင်ဆိုင်မှု၊ ညှိနှိုင်းမှုနှင့် စီးပွားရေးဆိုင်ရာ ရှုပ်ထွေးသော ဘက်စုံအေးဂျင့်များ၏ ဒိုင်းနမစ်များ။
"Google DeepMind နဲ့ အတူ AI က တခြားဂိမ်းပတ်ဝန်းကျင်မှာ တောင်းဆိုစရာမလိုတဲ့ အချိန်အတိုင်းအတာအလိုက် AI သင်ယူရမယ်၊ လိုက်လျောညီထွေဖြစ်အောင် မှတ်သားထားရမယ့် ဇယားမပါတဲ့ နယ်မြေထဲကို လူတွေနဲ့ AI ဟာ လက်တွေ့ဘဝမှာ တူညီတဲ့မေးခွန်းတွေနဲ့ မပြိုင်ခင်မှာ လူသားတွေနဲ့ AI ပေါင်းစည်းနိုင်ပုံကို နားလည်အောင် ကူညီပေးနေပါတယ်" ဟု Fenris Creations အမှုဆောင်အရာရှိချုပ် Hilmar Pétursson က ပို့စ်တွင် ပြောကြားခဲ့သည်။
မိတ်ဖက်အဖွဲ့အစည်းသည် မတူညီသော ပတ်ဝန်းကျင်သုံးရပ်ကို လွှမ်းခြုံထားသည်။ EVE Online သည် ကြီးမားသောတည်မြဲနေစကြာဝဠာကို ပေးဆောင်သည်။ EVE Vanguard သည် ပထမလူ၊ လျင်မြန်သော နည်းဗျူဟာဆိုင်ရာ ဆုံးဖြတ်ချက်ချခြင်းကို ပေါင်းထည့်ကာ စိတ်ကူးယဉ်အဆင့်များစွာတွင် လုပ်ဆောင်နေသော အေးဂျင့်များကို လေ့လာရန် အခွင့်အလမ်းများ ဖန်တီးပေးသည် — twitch-level tactics မှ galaxy-spanning strategy အထိ။ EVE Frontier သည် ၎င်း၏ပရိုဂရမ်ထုတ်နိုင်သော စမတ်စည်းဝေးပွဲများနှင့် ပွင့်လင်းဗိသုကာလက်ရာများဖြင့် စည်းမျဉ်းများပြောင်းလဲနိုင်သည့်ကမ္ဘာတစ်ခုကို တင်ဆက်သည်။
အရေးကြီးသည်မှာ၊ သုတေသနပရိုဂရမ်သည် အဆင့်လိုက် လမ်းကြောင်းအတိုင်း လိုက်နေသည်။ ၎င်းသည် တိုက်ရိုက်လွှင့်ကစားသူများနှင့် ခွဲခြားထားသော ဘေးကင်းသော သဲဘောက်စ် EVE Online ၏ အော့ဖ်လိုင်းဥပမာတစ်ခုမှ စတင်သည်။ ထို့နောက်တွင် လူသားများနှင့် အေးဂျင့်များ မည်သို့အတူတကွ တည်ရှိနေနိုင်သည်ကို လေ့လာရန် EVE Frontier မှတဆင့် တိုးတက်လာပါသည်။ စွမ်းရည်များ ရင့်ကျက်လာမှသာလျှင် DeepMind သည် ၎င်းတို့ကို တိုက်ရိုက်ဂိမ်းများဆီသို့ ယူဆောင်လာရန် စဉ်းစားလိမ့်မည် — ထို့နောက်တွင်၊ ပို့စ်သည် လူသားကစားမှုကို ကြွယ်ဝလာစေရန် ရည်ရွယ်ချက်ဖြင့် အလေးပေးဖော်ပြသည်။
AI သည် Cockpit တွင်ရှိနေပြီဖြစ်သည်။
ပူးပေါင်းဆောင်ရွက်မှု၏ ရလဒ်တစ်ခုသည် ကစားသမားများရှေ့တွင် ရှိနေသည်။ Aura Guidance သည် လေယာဉ်မှူးအသစ်များကို ကူညီပေးရန်အတွက် တကယ့် Rookie Help မေးခွန်းများနှင့် အဖြေများမှ ထုတ်ယူထားသော ကစားသမား-ထုတ်ပေးသည့် အသိပညာကို ပေးဆောင်ရန် Gemini ကို အသုံးပြုကာ ရှေ့ပြေးပုံစံကို ဖေဖော်ဝါရီ 17 ရက်၊ 2026 တွင် စတင်ခဲ့ပြီး၊ ၎င်းသည် ကစားသမားသစ်များကို ထိန်းသိမ်းနိုင်မှု ပိုကောင်းလာစေရန် တိုင်းတာခြင်းအဖြစ် လုပ်ဆောင်နေပါသည်။
ဂိမ်း developer များအတွက်၊ ရေရှည်ရှယ်ယာများသည် အရေးကြီးပါသည်။ ဂိမ်းကုဒ်ကို ပြုပြင်မွမ်းမံခြင်းမပြုဘဲ ရှိပြီးသားဂိမ်းများနှင့် လုပ်ဆောင်သည့် အမှန်တကယ် ယေဘူယျဂိမ်းအေးဂျင့်တစ်ခုသည် ဂိမ်းလောကကို စစ်မှန်စွာနားလည်သည့် AI အဖော်များ၊ ဇာတ်ညွှန်းစနစ်များ တစ်ခါမှမဖြစ်နိုင်သော နည်းလမ်းများဖြင့် လိုက်လျောညီထွေဖြစ်စေသော NPCs များနှင့် ဂိမ်းကတိက၀တ်ပြုမှုတိုင်းကို ပြောင်းလဲသည့်အခါ ဖွံ့ဖြိုးတိုးတက်မှုအတွင်း ခိုင်မာသော QA စမ်းသပ်ခြင်းတို့ကို လုပ်ဆောင်နိုင်သည်။
ပို့စ်သည် ဓာတ်ခွဲခန်း၏ အဆုံးစွန်ဘောင်ဖြင့် အကျုံးဝင်သည်- AI သည် ဓာတ်ကူပစ္စည်းအဖြစ်၊ အစားထိုးခြင်းမဟုတ်ပါ။ “ဂိမ်းများသည် ဉာဏ်ရည်အတွက် ကြေးမုံတစ်ခုဖြစ်သည်” ဟု စာရေးသူက ရေးသားခဲ့သည်။ ဂိမ်းများသည် ပိုမိုရှုပ်ထွေးလာကာ ပိုမိုမြဲမြံလာကာ ပိုမိုပွင့်လင်းလာသည်နှင့်အမျှ ၎င်းတို့ကို လမ်းညွှန်ရန်အတွက် တည်ဆောက်ထားသော AI စနစ်များကို လုပ်ဆောင်ပါ — နှင့် AlphaGo နှင့် AlphaFold ကဲ့သို့ပင်၊ DeepMind သည် virtual world ရှိသင်ခန်းစာများကို တကယ့်ပြဿနာများဆီသို့ လွှဲပြောင်းပေးမည်ဟု မျှော်လင့်ပါသည်။
AI ထက်သာလွန်နေပါစေ။
အားဖြည့်သင်ယူမှုမှတ်တိုင်များမှသည် နယ်ခြားသုတေသနလုပ်ဖော်ကိုင်ဖက်များအထိ၊ ရှာဖွေတွေ့ရှိမှုအရှိန်သည် နှေးကွေးသည့်လက္ခဏာမပြပါ။ AI Buzz Wire သည် အဓိက AI သုတေသန ဖွံ့ဖြိုးတိုးတက်မှုတိုင်းကို အရင်းအမြစ်-စိစစ်ထားသော အစီရင်ခံချက်ဖြင့် အကျုံးဝင်သည် — ထင်ကြေးပေးစရာမရှိ၊ ဖောင်းပွနေခြင်းမရှိပါ။
AI သုတေသနသတင်း →
