เจ้าหน้าที่ AI สี่คนที่ใช้ Gemini 4 Argon ของ Google ได้สร้างเกม Minecraft สำเร็จตั้งแต่การวางไข่แบบสุ่มไปจนถึงการเอาชนะ Ender Dragon โดยไม่ต้องอาศัยคำสั่งจากมนุษย์แม้แต่คนเดียว ในสิ่งที่นักวิจัยอธิบายว่าเป็นเกมจบแบบอัตโนมัติตั้งแต่ต้นทางถึงปลายทางครั้งแรกโดยตัวแทน AI

ผลลัพธ์มาจากทีม Google DeepMind — Maxence Faldor, Satinder Singh และ Roberta Raileanu — ในบทความที่โพสต์ใน arXiv เมื่อวันที่ 15 ตุลาคม ภายใต้หัวข้อ “ทีมตัวแทน Gemini 4 Argon เอาชนะ Minecraft” การเรียกใช้นี้ได้รับความสนใจอย่างกว้างขวางมากขึ้นหลังจากที่ The Decoder กล่าวถึงเมื่อวันที่ 18 ตุลาคม และมาถึงช่วงเวลาที่โมเดลชายแดนกำลังล่าอาณานิคมอย่างรวดเร็วซึ่งเพิ่งต้องการระบบ AI เฉพาะเกมที่สร้างขึ้นตามวัตถุประสงค์เท่านั้น สำหรับผู้อ่านที่ติดตาม การพัฒนา AI ล่าสุด นี่เป็นหนึ่งในการสาธิตที่ชัดเจนที่สุดสำหรับโมเดลระดับแนวหน้าซึ่งสนับสนุนการทำงานที่มีการประสานงานและมุ่งเป้าไปที่เป้าหมายโดยใช้เวลาหลายชั่วโมง

แซนด์บ็อกซ์ เป้าหมายเดียว และไม่มีสคริปต์ของมนุษย์

การตั้งค่าการทดลองถูกจงใจไว้สำรอง นักวิจัยได้วางเจ้าหน้าที่ Gemini 4 Argon สี่คนไว้ในโลกแห่งการเอาชีวิตรอด Minecraft แบบแซนด์บ็อกซ์ในระดับความยากง่าย โดยเริ่มจากโลกที่สร้างขึ้นแบบสุ่ม และตั้งเป้าหมายให้ทีมคือเอาชนะ Ender Dragon

ไม่มีใครได้รับมอบหมายบทบาท ไม่มีใครเขียนตรรกะของเกม กลยุทธ์ หรือเครื่องมือเฉพาะของเกม ไม่มีการใช้เมล็ดพันธุ์ที่สำรวจล่วงหน้า — เป็นทางลัดทั่วไปในการวิจัย Minecraft AI ที่จะมอบแผนที่ที่รู้จักแก่ตัวแทนอย่างมีประสิทธิภาพ เจ้าหน้าที่แต่ละคนควบคุมผู้เล่นผ่าน Mineflayer ซึ่งเป็นไลบรารี JavaScript แบบโอเพ่นซอร์สสำหรับไคลเอนต์ Minecraft ที่ตั้งโปรแกรมได้ และทั้งสี่คนประสานงานผ่านการแชทในเกมและที่เก็บหน่วยความจำที่ใช้ร่วมกัน

“เริ่มต้นจากโลกที่สร้างขึ้นแบบสุ่มในระดับความยากง่าย ทีมงานเขียนโปรแกรม 2,783 โปรแกรมและเอาชนะมังกรได้ภายใน 27 ชั่วโมง 14 นาที ตายไป 605 ครั้งตลอดทาง” รายงานระบุ "ตามความรู้ของเรา นี่เป็นการสร้าง Minecraft แบบ end-to-end แบบอัตโนมัติครั้งแรกโดยตัวแทน AI ซึ่งทำได้โดยใช้ไลบรารี Mineflayer มาตรฐานเท่านั้น โดยไม่ต้องมีการตรวจสอบเมล็ดพืชล่วงหน้าหรือเครื่องมือเฉพาะเกมอื่น ๆ ที่เขียนโดยมนุษย์"

วิธีที่ตัวแทนจัดระเบียบตัวเอง

สิ่งที่ทำให้การวิ่งโดดเด่นคือชัยชนะน้อยกว่าการแบ่งงานที่เกิดขึ้นเอง ตามรายงานและรายงานของ The Decoder เจ้าหน้าที่แบ่งงานกันโดยไม่ได้รับการบอกกล่าว เตือนซึ่งกันและกันเกี่ยวกับภัยคุกคาม กู้คืนสิ่งของจากเพื่อนร่วมทีมที่เสียชีวิต และบันทึกข้อผิดพลาดไว้ในหน่วยความจำที่ใช้ร่วมกัน ดังนั้นข้อผิดพลาดเดิมจะไม่เกิดซ้ำแบบสุ่มสี่สุ่มห้า

ตัวเลขดังกล่าวครอบคลุมถึงพื้นผิวของการเล่นแบบอัตโนมัติที่เพิ่มขึ้นหนึ่งวัน: โปรแกรม JavaScript 2,783 โปรแกรมที่เขียนและดีบั๊กโดยตัวแทน มีการแลกเปลี่ยนข้อความแชทในเกม 229 ข้อความ และการเสียชีวิต 605 รายการดูดซับไปพร้อมกัน นักวิจัยสามารถดูการวิ่งทั้งหมดได้บนแดชบอร์ดแบบสด และได้รับมอบอำนาจให้หยุดหรือหยุดการวิ่งเมื่อใดก็ได้ แต่พวกเขารายงานว่าไม่มีเหตุให้เข้ามาแทรกแซง

บิล: 1,620 ดอลลาร์

เอกราชในระดับนี้ไม่ฟรี ตัวถอดรหัสคำนวณว่าเซสชั่นทั้งหมดมีราคาประมาณ 1,620 ดอลลาร์สหรัฐฯ ในราคามาตรฐาน Gemini 4 Argon ซึ่งจะมีผลในปี 2570 ตัวเลขดังกล่าวคุ้มค่าที่จะหยุดชั่วคราว: ทีมที่มีตัวแทนหลายรายสำรวจโลก 3 มิติที่ไม่เป็นมิตร เชี่ยวชาญด้านเศรษฐกิจการประดิษฐ์ และดำเนินการต่อสู้กับบอสโดยใช้เวลานาฬิกาแขวนมากกว่าหนึ่งวันสำหรับบิล API กลางสี่หลัก - ไม่มีการฝึกอบรมใหม่ ไม่มีการปรับแต่งอย่างละเอียด ไม่มีการกำหนดรางวัลโดยมนุษย์

นอกจากนี้ยังสะท้อนให้เห็นว่าเศรษฐกิจเปลี่ยนแปลงไปอย่างรวดเร็วเพียงใด การเอาชนะ Minecraft จนกระทั่งเมื่อไม่นานมานี้ ถือเป็นเหตุการณ์สำคัญที่จำเป็นต้องมีระบบที่ออกแบบตามความต้องการซึ่งได้รับการฝึกฝนตั้งแต่เริ่มต้นบนการเล่นเกมหลายล้านเฟรม ในที่นี้มันเป็นโมเดลขอบเขตการใช้งานทั่วไปที่ใช้ผ่านไลบรารี Minecraft ระดับมือสมัครเล่น

เหตุใดจึงมีความสำคัญนอกเหนือจากเกม

“การชนะทำให้ตัวแทนต้องรักษาแผนงานที่สอดคล้องกันในขั้นตอนที่ต้องพึ่งพาหลายพันขั้นตอนเป็นเวลานานกว่าหนึ่งวัน” ผู้เขียนเขียน “วิศวกรรมซอฟต์แวร์ในโลกแห่งความเป็นจริงที่ซับซ้อนและงานระดับองค์กรต้องการการเขียนโค้ดและการประสานงานแบบหลายเอเจนต์ที่เหมือนกัน”

กรอบดังกล่าวอธิบายว่าทำไมการนำเสนอการต่อสู้ระหว่างบอสในเกมบล็อกเป็นผลการวิจัยมากกว่าการแสดงความสามารถ โหมดความล้มเหลวที่มีเอเจนต์ AI ที่จำกัดในอดีตนั้นไม่ใช่ความฉลาดในการระเบิดช่วงสั้นๆ แต่มีความสอดคล้องกันเมื่อเวลาผ่านไป — สูญเสียโครงเรื่องในหลายร้อยขั้นตอน ขัดแย้งกับการตัดสินใจก่อนหน้านี้ หรือการเริ่มใหม่เป็นวงกลม การวิ่งใน Minecraft เป็นข้อพิสูจน์ว่าโมเดลชายแดนสามารถยึดโครงสร้างข้ามขอบฟ้าโดยวัดเป็นชั่วโมง

ขีดจำกัดนั้นมีอยู่จริง และผู้เขียนก็ทำเครื่องหมายไว้ ความยากง่าย โลกที่จำกัด และเงื่อนไขการชนะที่ชัดเจนทำให้ Minecraft มีสภาพแวดล้อมที่เป็นมิตรมากกว่าที่ทำงานแบบเปิดกว้าง ตัวกระดาษเองก็อุทิศพื้นที่ให้กับขอบเขตของผลลัพธ์ และการวิ่งที่จบลงด้วยการฆ่าบอสไม่ได้พูดถึงงานยุ่งๆ ที่ไม่มีสถานะสิ้นสุดที่กำหนดไว้เพียงเล็กน้อย

บริบท: พรมแดนที่เคลื่อนไหวอย่างรวดเร็ว

Gemini 4 Argon เป็นโมเดลแนวชายแดนที่มีความสามารถมากที่สุดของ Google ซึ่งวางจำหน่ายแล้วทั่วโลกตามข้อมูลของ The Decoder และผลงานของ Minecraft ถือเป็นความสำเร็จล่าสุดในการเล่นเกมขอบฟ้าอันยาวนานโดยโมเดลแนวชายแดนในปีนี้ เมื่อเจ้าหน้าที่รับมอบหมายงานนานขึ้น การประเมินก็เปลี่ยนจากการตอบคำถามแบบรอบเดียวไปสู่การทดสอบความเป็นอิสระตลอดทั้งวันเช่นนี้

Minecraft จะไม่ใช่เพดาน แต่สูตรที่แสดงไว้ที่นี่ ได้แก่ โมเดลทั่วไป เครื่องมือที่มีจำหน่ายทั่วไป หน่วยความจำที่ใช้ร่วมกัน และไม่มีการสนับสนุนโดยมนุษย์ เป็นส่วนที่ทำให้เป็นภาพรวม

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →