Google DeepMind ਨੇ EVE ਔਨਲਾਈਨ ਦੇ ਪਿੱਛੇ ਸੁਤੰਤਰ ਸਟੂਡੀਓ, Fenris Creations ਦੇ ਨਾਲ ਆਪਣੀ ਖੋਜ ਸਾਂਝੇਦਾਰੀ ਦੇ ਸਿੱਟੇ ਵਜੋਂ, ਗੇਮਾਂ ਵਿੱਚ ਆਪਣੀ 15-ਸਾਲ ਦੀ AI ਖੋਜ ਦਾ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਪਿਛੋਕੜ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਹੈ — ਅਤੇ ਦੋ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ EVE ਬ੍ਰਹਿਮੰਡ ਦੇ ਅੰਦਰ ਚਲਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਗਈ ਖੋਜ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।
21 ਅਗਸਤ ਦੀ ਪੋਸਟ, ਅਲੈਗਜ਼ੈਂਡਰ ਮੋਫਾਰੇਕ ਅਤੇ ਐਡਰੀਅਨ ਬੋਲਟਨ ਦੁਆਰਾ ਲਿਖੀ ਗਈ, ਲੈਬ ਦੇ ਸਭ ਤੋਂ ਪੁਰਾਣੇ ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਨਤੀਜਿਆਂ ਨੂੰ ਜਨਰਲਿਸਟ ਏਜੰਟਾਂ 'ਤੇ ਮੌਜੂਦਾ ਕੰਮ ਨਾਲ ਜੋੜਦੀ ਹੈ। ਇਹ ਇਸ ਸਾਲ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਪਹਿਲੀ ਵਾਰ ਸਾਹਮਣੇ ਆਈ ਇੱਕ ਸਾਂਝੇਦਾਰੀ ਦਾ ਅਜੇ ਤੱਕ ਦਾ ਸਭ ਤੋਂ ਪੂਰਾ ਲੇਖਾ-ਜੋਖਾ ਹੈ, ਅਤੇ ਇਹ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ ਦੁਨੀਆ ਦੀ ਇੱਕ ਪ੍ਰਮੁੱਖ AI ਲੈਬ [AI ਖੋਜ] (https://aibuzzwire.news) ਦੀ ਅਗਲੀ ਸੀਮਾ ਨੂੰ ਮੰਨਦੀ ਹੈ: ਇੱਕ ਸਪੱਸ਼ਟ ਸਕੋਰ ਨਾਲ ਇੱਕ ਗੇਮ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਨਹੀਂ, ਪਰ ਇੱਕ ਜੀਵਿਤ ਸੰਸਾਰ ਨੂੰ ਬਚਾਉਣ ਵਿੱਚ ਜੋ 2003 ਤੋਂ ਲਗਾਤਾਰ ਚੱਲ ਰਹੀ ਹੈ।
ਅਟਾਰੀ ਪਿਕਸਲ ਤੋਂ ਅਲਫਾਸਟਾਰ ਤੱਕ
ਪੂਰਵ-ਅਨੁਮਾਨ ਗੇਮ ਨਤੀਜਿਆਂ ਦੀ ਲੜੀ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ ਜਿਸ ਨੇ DeepMind ਦੇ ਖੋਜ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਬਣਾਇਆ ਹੈ। 2015 ਦੇ ਨੇਚਰ ਪੇਪਰ ਵਿੱਚ ਵਰਣਿਤ ਡੀਪ ਕਿਊ-ਨੈੱਟਵਰਕ (DQN), ਨੇ 49 ਅਟਾਰੀ 2600 ਗੇਮਾਂ ਨੂੰ ਸਿੱਧੇ ਕੱਚੇ ਪਿਕਸਲ ਤੋਂ — ਪੌਂਗ ਤੋਂ ਬ੍ਰੇਕਆਉਟ ਤੋਂ ਪੁਲਾੜ ਹਮਲਾਵਰਾਂ ਤੱਕ — ਬਿਨਾਂ ਕਿਸੇ ਗੇਮ-ਵਿਸ਼ੇਸ਼ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ, ਡੂੰਘੀ ਮਜ਼ਬੂਤੀ ਸਿਖਲਾਈ ਦੇ ਆਧੁਨਿਕ ਯੁੱਗ ਨੂੰ ਉਤਪ੍ਰੇਰਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਸਿੱਖ ਲਿਆ।
ਹਰੇਕ ਬਾਅਦ ਦੇ ਮੀਲਪੱਥਰ ਨੇ ਵਧੇਰੇ ਸਮਰੱਥ ਅਤੇ ਵਧੇਰੇ ਆਮ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਉਤਪਾਦਨ ਕੀਤਾ। AlphaGo ਨੇ 2016 ਵਿੱਚ ਵਿਸ਼ਵ ਚੈਂਪੀਅਨ ਲੀ ਸੇਡੋਲ ਨੂੰ ਹਰਾਇਆ, ਇੱਕ ਅਜਿਹਾ ਕਾਰਨਾਮਾ ਬਹੁਤ ਸਾਰੇ ਮਾਹਰਾਂ ਨੇ ਸੋਚਿਆ ਕਿ ਅਜੇ ਇੱਕ ਦਹਾਕਾ ਬਾਕੀ ਹੈ। AlphaGo Zero ਨੇ ਸਵੈ-ਖੇਡ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਿੱਖ ਕੇ ਹਰ ਪਿਛਲੇ ਸੰਸਕਰਣ ਨੂੰ ਪਿੱਛੇ ਛੱਡ ਦਿੱਤਾ, ਅਤੇ AlphaZero ਨੇ ਇੱਕ ਸਿੰਗਲ ਐਲਗੋਰਿਦਮ ਦੇ ਨਾਲ ਮਾਸਟਰ ਸ਼ਤਰੰਜ, ਸ਼ੋਗੀ, ਅਤੇ ਗੋ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਆਮ ਬਣਾਇਆ। MuZero ਹੋਰ ਵੀ ਅੱਗੇ ਚਲਾ ਗਿਆ, ਨਿਯਮਾਂ ਨੂੰ ਜਾਣੇ ਬਿਨਾਂ ਵੀ ਖੇਡਣਾ ਸਿੱਖ ਰਿਹਾ ਸੀ। 2019 ਵਿੱਚ, AlphaStar ਸਟਾਰਕਰਾਫਟ II ਵਿੱਚ ਗ੍ਰੈਂਡਮਾਸਟਰ ਪੱਧਰ 'ਤੇ ਪਹੁੰਚ ਗਿਆ, ਅਸਲ-ਸਮੇਂ ਦੀ ਗੁੰਝਲਤਾ ਅਤੇ ਅਪੂਰਣ ਜਾਣਕਾਰੀ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਦਾ ਹੋਇਆ।
ਡੀਪ ਮਾਈਂਡ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਖੋਜ ਦੀ ਇਹ ਭਾਵਨਾ ਖੇਡਾਂ ਤੋਂ ਪਰੇ ਹੈ: ਅਲਫਾਫੋਲਡ ਨੇ ਪ੍ਰੋਟੀਨ ਬਣਤਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਲਈ ਉਹੀ ਬੁਨਿਆਦ ਲਾਗੂ ਕੀਤੀ, ਜੋ ਕਿ ਰਸਾਇਣ ਵਿਗਿਆਨ ਵਿੱਚ 2024 ਦੇ ਨੋਬਲ ਪੁਰਸਕਾਰ ਨਾਲ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਇੱਕ ਸਫਲਤਾ ਹੈ।
ਜਨਰਲਿਸਟ ਏਜੰਟਾਂ ਵੱਲ ਸ਼ਿਫਟ
ਪੋਸਟ ਦਿਸ਼ਾ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਨੂੰ ਫਰੇਮ ਕਰਦਾ ਹੈ। ਪਹਿਲਾਂ ਦੇ ਕੰਮ ਨੇ ਦਿਖਾਇਆ ਕਿ AI ਕਿਸੇ ਵੀ ਗੇਮ ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰ ਸਕਦਾ ਹੈ, ਇੱਕ ਸਪਸ਼ਟ ਉਦੇਸ਼ ਅਤੇ ਕਾਫ਼ੀ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਪਰ, ਜਿਵੇਂ ਲੇਖਕ ਲਿਖਦੇ ਹਨ, "ਅਸਲ ਸੰਸਾਰ ਸਕੋਰਾਂ ਅਤੇ ਨਿਯਮਾਂ ਦੀਆਂ ਕਿਤਾਬਾਂ ਨਾਲ ਨਹੀਂ ਆਉਂਦਾ ਹੈ।" ਇਸ ਨਾਲ ਇੱਕ ਵੱਖਰਾ ਸਵਾਲ ਪੈਦਾ ਹੋਇਆ: ਕੀ AI ਕਿਸੇ ਵੀ ਖੇਡ ਜਗਤ ਨੂੰ ਸਮਝ ਸਕਦਾ ਹੈ ਅਤੇ ਉਸ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ ਤਰ੍ਹਾਂ ਇੱਕ ਵਿਅਕਤੀ ਕਰੇਗਾ?
ਉਸ ਅਭਿਲਾਸ਼ਾ ਲਈ ਵਾਹਨ SIMA ਹੈ, ਸਕੇਲੇਬਲ ਇੰਸਟ੍ਰਕਟੇਬਲ ਮਲਟੀਵਰਲਡ ਏਜੰਟ। ਉੱਚ ਸਕੋਰ ਲਈ ਅਨੁਕੂਲਿਤ ਕਰਨ ਦੀ ਬਜਾਏ, SIMA ਇਹ ਸਮਝਦਾ ਹੈ ਕਿ ਇੱਕ ਖਿਡਾਰੀ ਸਕ੍ਰੀਨ 'ਤੇ ਕੀ ਦੇਖਦਾ ਹੈ, ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਸਮਝਦਾ ਹੈ, ਅਤੇ ਆਮ ਕੀਬੋਰਡ ਅਤੇ ਮਾਊਸ ਨਿਯੰਤਰਣ ਦੁਆਰਾ ਕੰਮ ਕਰਦਾ ਹੈ - ਕੋਈ API ਜਾਂ ਸਰੋਤ ਕੋਡ ਪਹੁੰਚ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। SIMA 2, ਨਵੰਬਰ 2025 ਵਿੱਚ ਇੱਕ ਜੈਮਿਨੀ ਮਾਡਲ ਦੇ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ, ਅਸਲ-ਸਮੇਂ ਵਿੱਚ ਤਰਕ ਅਤੇ ਗੱਲਬਾਤ ਕਰਨ ਦੇ ਸਮਰੱਥ ਇੱਕ ਇੰਟਰਐਕਟਿਵ ਸਾਥੀ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਨੋ ਮੈਨਜ਼ ਸਕਾਈ, ਵਾਲਹਾਈਮ ਅਤੇ ਹਾਈਡ੍ਰੋਨੀਅਰ ਸਮੇਤ ਗੁੰਝਲਦਾਰ 3D ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਵਰਗਾ ਖੇਡ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।
ਲੈਬ ਏਜੰਟ ਦੀਆਂ ਸੀਮਾਵਾਂ ਬਾਰੇ ਸਪੱਸ਼ਟ ਹੈ: SIMA 2 ਅਜੇ ਵੀ ਬਹੁਤ ਲੰਬੇ-ਦਿਮਾਗ ਵਾਲੇ ਕੰਮਾਂ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਘੱਟ-ਲੇਟੈਂਸੀ ਇੰਟਰੈਕਸ਼ਨ ਲਈ ਲੋੜੀਂਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਦੁਆਰਾ ਸੀਮਤ ਇੱਕ ਛੋਟੀ ਮੈਮੋਰੀ ਤੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹ ਅਕਾਦਮਿਕ ਅਤੇ ਗੇਮ ਡਿਵੈਲਪਰਾਂ ਦੇ ਇੱਕ ਛੋਟੇ ਸਮੂਹ ਲਈ ਉਪਲਬਧ ਸੀਮਤ ਖੋਜ ਪ੍ਰੀਵਿਊ ਬਣਿਆ ਹੋਇਆ ਹੈ।
ਈਵ ਆਨਲਾਈਨ ਕਿਉਂ
Fenris Creations ਭਾਗੀਦਾਰੀ DeepMind ਨੂੰ ਅਜਿਹੀ ਕਿਸੇ ਚੀਜ਼ ਤੱਕ ਪਹੁੰਚ ਦਿੰਦੀ ਹੈ ਜਿਸ ਨੂੰ ਕੋਈ ਵੀ ਮਾਪਦੰਡ ਨਕਲ ਨਹੀਂ ਕਰ ਸਕਦਾ: ਇੱਕ ਸਥਾਈ, ਸਿੰਗਲ-ਸ਼ਾਰਡ ਬ੍ਰਹਿਮੰਡ ਜਿੱਥੇ ਹਜ਼ਾਰਾਂ ਖਿਡਾਰੀ ਅਸਲ ਸਪਲਾਈ-ਅਤੇ-ਮੰਗ ਗਤੀਸ਼ੀਲਤਾ ਨਾਲ ਇੱਕ ਅਰਥਵਿਵਸਥਾ ਨੂੰ ਸਾਂਝਾ ਕਰਦੇ ਹਨ, ਹਜ਼ਾਰਾਂ ਸਟਾਰ ਸਿਸਟਮਾਂ ਵਿੱਚ ਫੈਲੇ ਵਪਾਰਕ ਨੈੱਟਵਰਕ, ਅਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖਿਡਾਰੀਆਂ ਦੇ ਆਪਸੀ ਤਾਲਮੇਲ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਰਾਜਨੀਤਕ ਢਾਂਚੇ।
DeepMind ਚਾਰ ਸਮਰੱਥਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ ਜੋ ਵਾਤਾਵਰਣ ਨੂੰ ਕਸਰਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ: ਭੁੱਲੇ ਬਿਨਾਂ ਨਿਰੰਤਰ ਸਿੱਖਣਾ, ਯਾਦਦਾਸ਼ਤ ਜੋ ਅੱਜ ਦੇ ਮਾਡਲ ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਤੋਂ ਬਹੁਤ ਪਰੇ ਹੈ, ਹਫ਼ਤਿਆਂ, ਮਹੀਨਿਆਂ ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਾਲਾਂ ਵਿੱਚ ਲੰਮੀ-ਦਿਮਾਗ ਯੋਜਨਾਬੰਦੀ, ਅਤੇ ਸਹਿਯੋਗ, ਮੁਕਾਬਲਾ, ਗੱਲਬਾਤ, ਅਤੇ ਅਰਥ ਸ਼ਾਸਤਰ ਵਿੱਚ ਫੈਲੀ ਗੁੰਝਲਦਾਰ ਬਹੁ-ਏਜੰਟ ਗਤੀਸ਼ੀਲਤਾ।
"Google DeepMind ਦੇ ਨਾਲ ਮਿਲ ਕੇ, ਅਸੀਂ ਅਣਚਾਹੇ ਖੇਤਰ ਵਿੱਚ ਧੱਕ ਰਹੇ ਹਾਂ ਜਿੱਥੇ AI ਨੂੰ ਸਿੱਖਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਨੁਕੂਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਸਮੇਂ ਦੇ ਮਾਪਦੰਡਾਂ 'ਤੇ ਯਾਦ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੋਈ ਹੋਰ ਖੇਡ ਵਾਤਾਵਰਣ ਦੀ ਮੰਗ ਨਹੀਂ ਕਰਦਾ, ਜਦੋਂ ਕਿ ਸਾਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ ਕਿ ਅਸਲ ਜੀਵਨ ਵਿੱਚ ਇੱਕੋ ਜਿਹੇ ਸਵਾਲਾਂ ਨਾਲ ਲੜਨ ਤੋਂ ਪਹਿਲਾਂ ਮਨੁੱਖ ਅਤੇ AI ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕਿਵੇਂ ਇਕੱਠੇ ਰਹਿ ਸਕਦੇ ਹਨ," Fenris Creations ਦੇ CEO Hilmar Péstur ਨੇ ਪੋਸਟ ਵਿੱਚ ਕਿਹਾ।
ਸਾਂਝੇਦਾਰੀ ਤਿੰਨ ਵੱਖੋ-ਵੱਖਰੇ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਫੈਲੀ ਹੋਈ ਹੈ। ਈਵੀਈ ਔਨਲਾਈਨ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਨਿਰੰਤਰ ਬ੍ਰਹਿਮੰਡ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ। EVE Vanguard ਪਹਿਲੇ-ਵਿਅਕਤੀ, ਤੇਜ਼-ਰਫ਼ਤਾਰ ਰਣਨੀਤਕ ਫੈਸਲੇ ਲੈਣ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ, ਐਬਸਟ੍ਰਕਸ਼ਨ ਦੇ ਕਈ ਪੱਧਰਾਂ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੇ ਏਜੰਟਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਦੇ ਮੌਕੇ ਪੈਦਾ ਕਰਦਾ ਹੈ - ਟਵਿਚ-ਪੱਧਰ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਤੋਂ ਲੈ ਕੇ ਗਲੈਕਸੀ-ਸਪੈਨਿੰਗ ਰਣਨੀਤੀ ਤੱਕ। ਈਵੀਈ ਫਰੰਟੀਅਰ, ਇਸਦੇ ਪ੍ਰੋਗਰਾਮੇਬਲ ਸਮਾਰਟ ਅਸੈਂਬਲੀਆਂ ਅਤੇ ਓਪਨ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਾਲ, ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਬਹੁਤ ਹੀ ਨਿਯਮ ਬਦਲ ਸਕਦੇ ਹਨ।
ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ, ਖੋਜ ਪ੍ਰੋਗਰਾਮ ਇੱਕ ਪੜਾਅਵਾਰ ਮਾਰਗ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ. ਇਹ EVE ਔਨਲਾਈਨ ਦੇ ਇੱਕ ਔਫਲਾਈਨ ਉਦਾਹਰਨ ਵਿੱਚ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਇੱਕ ਸੁਰੱਖਿਅਤ ਸੈਂਡਬੌਕਸ ਲਾਈਵ ਖਿਡਾਰੀਆਂ ਤੋਂ ਵੱਖ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਫਿਰ ਇਹ ਅਧਿਐਨ ਕਰਨ ਲਈ EVE ਫਰੰਟੀਅਰ ਦੁਆਰਾ ਅੱਗੇ ਵਧਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਮਨੁੱਖ ਅਤੇ ਏਜੰਟ ਇੱਕ ਸਥਾਈ, ਖੁੱਲੇ-ਸੁੱਚੇ ਸੰਸਾਰ ਵਿੱਚ ਇਕੱਠੇ ਰਹਿ ਸਕਦੇ ਹਨ। ਕੇਵਲ ਉਦੋਂ ਜਦੋਂ ਸਮਰੱਥਾਵਾਂ ਪਰਿਪੱਕ ਹੁੰਦੀਆਂ ਹਨ, ਤਾਂ ਡੀਪਮਾਈਂਡ ਉਹਨਾਂ ਨੂੰ ਲਾਈਵ ਗੇਮਾਂ ਵਿੱਚ ਲਿਆਉਣ ਬਾਰੇ ਵਿਚਾਰ ਕਰੇਗਾ — ਅਤੇ ਫਿਰ, ਪੋਸਟ ਮਨੁੱਖੀ ਖੇਡ ਨੂੰ ਅਮੀਰ ਬਣਾਉਣ ਦੇ ਉਦੇਸ਼ ਨਾਲ, ਜ਼ੋਰ ਦਿੰਦੀ ਹੈ।
AI ਪਹਿਲਾਂ ਹੀ ਕਾਕਪਿਟ ਵਿੱਚ ਹੈ
ਸਹਿਯੋਗ ਦਾ ਇੱਕ ਆਉਟਪੁੱਟ ਪਹਿਲਾਂ ਹੀ ਖਿਡਾਰੀਆਂ ਦੇ ਸਾਹਮਣੇ ਹੈ। Aura ਗਾਈਡੈਂਸ, ਜੋ ਨਵੇਂ ਪਾਇਲਟਾਂ ਦੀ ਸਹਾਇਤਾ ਲਈ ਅਸਲ ਰੂਕੀ ਹੈਲਪ ਸਵਾਲਾਂ ਅਤੇ ਜਵਾਬਾਂ ਤੋਂ ਲਏ ਗਏ ਖਿਡਾਰੀ ਦੁਆਰਾ ਤਿਆਰ ਗਿਆਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ Gemini ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, 17 ਫਰਵਰੀ, 2026 ਨੂੰ ਪ੍ਰੋਟੋਟਾਈਪ ਵਿੱਚ ਲਾਂਚ ਕੀਤੀ ਗਈ ਸੀ, ਅਤੇ ਇਹ ਮਾਪਣ ਲਈ ਇੱਕ ਨਿਯੰਤਰਿਤ A/B ਟੈਸਟ ਵਜੋਂ ਚੱਲ ਰਹੀ ਹੈ ਕਿ ਕੀ ਇਹ ਨਵੇਂ-ਖਿਡਾਰੀ ਧਾਰਨਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ।
ਗੇਮ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਲੰਬੇ ਸਮੇਂ ਦੇ ਹਿੱਸੇ ਮਹੱਤਵਪੂਰਨ ਹਨ. ਇੱਕ ਸੱਚਮੁੱਚ ਆਮ ਗੇਮਿੰਗ ਏਜੰਟ - ਇੱਕ ਜੋ ਗੇਮ ਕੋਡ ਵਿੱਚ ਸੋਧਾਂ ਤੋਂ ਬਿਨਾਂ ਮੌਜੂਦਾ ਗੇਮਾਂ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ — AI ਸਾਥੀਆਂ ਨੂੰ ਤਾਕਤ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਗੇਮ ਦੀ ਦੁਨੀਆ ਨੂੰ ਸੱਚਮੁੱਚ ਸਮਝਦੇ ਹਨ, NPCs ਜੋ ਸਕ੍ਰਿਪਟਡ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਤਰੀਕਿਆਂ ਨਾਲ ਅਨੁਕੂਲ ਨਹੀਂ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਵਿਕਾਸ ਦੇ ਦੌਰਾਨ ਮਜ਼ਬੂਤ QA ਟੈਸਟਿੰਗ ਜਦੋਂ ਗੇਮ ਹਰ ਪ੍ਰਤੀਬੱਧਤਾ ਨਾਲ ਬਦਲਦੀ ਹੈ।
ਪੋਸਟ ਲੈਬ ਦੇ ਅੰਤਮ ਫਰੇਮਿੰਗ ਦੇ ਨਾਲ ਬੰਦ ਹੋ ਜਾਂਦੀ ਹੈ: AI ਇੱਕ ਉਤਪ੍ਰੇਰਕ ਵਜੋਂ, ਇੱਕ ਬਦਲੀ ਨਹੀਂ। ਲੇਖਕ ਲਿਖਦੇ ਹਨ, "ਖੇਡਾਂ ਹਮੇਸ਼ਾ ਬੁੱਧੀ ਦਾ ਸ਼ੀਸ਼ਾ ਰਹੀਆਂ ਹਨ। ਜਿਵੇਂ ਕਿ ਗੇਮਾਂ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ, ਵਧੇਰੇ ਸਥਾਈ, ਅਤੇ ਵਧੇਰੇ ਖੁੱਲ੍ਹੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਉਸੇ ਤਰ੍ਹਾਂ ਉਹਨਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ ਲਈ ਬਣਾਏ ਗਏ AI ਸਿਸਟਮ ਵੀ — ਅਤੇ, ਜਿਵੇਂ ਕਿ ਇਸ ਤੋਂ ਪਹਿਲਾਂ AlphaGo ਅਤੇ AlphaFold ਦੇ ਨਾਲ, DeepMind ਉਮੀਦ ਕਰਦਾ ਹੈ ਕਿ ਵਰਚੁਅਲ ਦੁਨੀਆ ਵਿੱਚ ਸਿੱਖੇ ਗਏ ਸਬਕ ਅਸਲ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਤਬਦੀਲ ਹੋ ਜਾਣਗੇ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਰੀਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਮੀਲਪੱਥਰ ਤੋਂ ਲੈ ਕੇ ਸਰਹੱਦੀ ਖੋਜ ਭਾਈਵਾਲੀ ਤੱਕ, ਖੋਜ ਦੀ ਗਤੀ ਹੌਲੀ ਹੋਣ ਦਾ ਕੋਈ ਸੰਕੇਤ ਨਹੀਂ ਦਿਖਾਉਂਦਾ। AI Buzz Wire ਸਰੋਤ-ਪ੍ਰਮਾਣਿਤ ਰਿਪੋਰਟਿੰਗ ਦੇ ਨਾਲ ਹਰੇਕ ਪ੍ਰਮੁੱਖ AI ਖੋਜ ਵਿਕਾਸ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ — ਕੋਈ ਅੰਦਾਜ਼ਾ ਨਹੀਂ, ਕੋਈ ਪ੍ਰਚਾਰ ਨਹੀਂ।
ਹੋਰ AI ਖੋਜ ਖ਼ਬਰਾਂ ਪੜ੍ਹੋ →
