گوگل کے جیمنی 4 آرگن پر چلنے والے چار اے آئی ایجنٹوں نے بغیر کسی انسانی ان پٹ کے مائن کرافٹ کو شکست دی ہے، مکمل طور پر خود مختار دوڑ میں اینڈر ڈریگن کو مار ڈالا جو 27 گھنٹے اور 14 منٹ تک جاری رہا۔ Faldor et al کے ایک مقالے کے مطابق، گوگل ڈیپ مائنڈ ٹیم نے ایجنٹوں کو رولز، حکمت عملیوں یا گیم سے متعلق مخصوص ٹولز تفویض کیے بغیر تصادفی طور پر تیار کردہ دنیا میں چھوڑ دیا۔ دی ڈیکوڈر کے ذریعے احاطہ کیا گیا — اور ایجنٹوں نے خود کو منظم کیا، تعاون کیا اور جیت گئے۔

مائن کرافٹ طویل عرصے سے AI کے لیے ایک ضدی بینچ مارک رہا ہے۔ شطرنج یا گو کے برعکس، یہ طویل افق کی منصوبہ بندی، کھلے عام ایکسپلوریشن، ٹول کرافٹنگ، اور کوآرڈینیشن کا مطالبہ کرتا ہے — یہ سب ایک ایسی دنیا میں ہے جو ہر بار جب آپ اس میں جنم لیتے ہیں تو بدل جاتی ہے۔ گیم کے فائنل باس کو شکست دینے کے لیے تاریخی طور پر یا تو انسانی رہنمائی کی ضرورت ہوتی ہے یا بھاری اسکرپٹ شدہ تربیتی سیٹ اپ۔ اس کے برعکس یہ دوڑ چار ایجنٹوں کے ساتھ شروع ہوئی اور کچھ نہیں۔

تعداد میں دوڑ

سیشن کے اعدادوشمار ایک افراتفری لیکن بالآخر کامیاب مہم کے لاگ کی طرح پڑھتے ہیں:

  • 27 گھنٹے، 14 منٹ مسلسل خود مختار کھیل
  • 2,783 JavaScript پروگرام جو خود ایجنٹوں نے لکھے ہیں۔
  • 229 چیٹ پیغامات کا تبادلہ چاروں ایجنٹوں کے درمیان ہوا۔
  • راستے میں 605 اموات

وہ آخری اعداد و شمار زور دینے کا مستحق ہے۔ ایجنٹ گیم مکمل کرنے سے پہلے چھ سو سے زیادہ بار مر گئے، اور ٹام کے ہارڈ ویئر کے کاغذ کی کوریج کے مطابق، انہوں نے گیم کی آسان مشکل سیٹنگ پر ایسا کیا۔ اسی رپورٹ نے رن کے لیے ٹوکن خرچ کا تخمینہ تقریباً 520 ڈالر لگایا ہے، جب کہ دی ڈیکوڈر، جیمنی 4 آرگن کی معیاری قیمتوں کا حساب لگاتے ہوئے جو 2027 میں لاگو ہوتا ہے، مجموعی طور پر $1,620 ہے۔ کسی بھی طرح سے، عام مقصد والے AI ایجنٹوں کے ذریعہ اختتام سے آخر تک مائن کرافٹ کی تکمیل کی لاگت اب سینکڑوں ڈالر میں ماپا جاتا ہے - پچھلے سالوں کے مقصد سے تیار کردہ گیم AIs میں لگائے گئے لاکھوں میں نہیں۔

ہنگامی ٹیم ورک، کوئی اسکرپٹ نہیں۔

جو چیز نتیجہ کو قابل ذکر بناتی ہے وہ صرف یہ نہیں کہ ایجنٹ جیت گئے، بلکہ کیسے۔ دی کوڈر کی رپورٹ کے مطابق، کوئی کردار تفویض کیے بغیر، چاروں ایجنٹوں نے آپس میں کاموں کو تقسیم کیا۔ انہوں نے ایک دوسرے کو دھمکیوں کے بارے میں خبردار کیا، ٹیم کے مردہ ساتھیوں سے اشیاء برآمد کیں، اور مشترکہ میموری میں غلطیوں کو لاگو کیا جس سے گروپ کو غلطیوں کو دہرانے سے گریز کیا گیا۔

دوسرے لفظوں میں، ہم آہنگی کا رویہ جو گیم ڈویلپرز عام طور پر NPC ٹیموں میں ہارڈ کوڈ کرتے ہیں ایک ہی ماڈل، ایک مشترکہ دنیا اور ایک کمیونیکیشن چینل کی چار مثالوں سے خود ہی ابھرا۔ 2,783 خود تحریر کردہ JavaScript پروگرام ایک مسلسل بڑھتی ہوئی مہارت کی لائبریری کے طور پر کام کرتے ہیں: ایک بار جب کوئی ایجنٹ یہ معلوم کر لیتا ہے کہ لوہے کو کیسے گلایا جائے یا منی باس کو شکست دی جائے، تو یہ علم صرف ماڈل کے سیاق و سباق کی کھڑکی میں رہنے کے بجائے دوبارہ قابل استعمال کوڈ کے طور پر برقرار رہتا ہے۔

مشترکہ میموری کی تفصیل ایجنٹ کی تحقیق کے بعد کسی کے لیے بھی اہمیت رکھتی ہے۔ ایجنٹوں کی ٹیمیں جو اسباق کو جمع اور منتقل کر سکتی ہیں — ہر ناکامی کے بعد صفر سے دوبارہ شروع کرنے کے بجائے — آج کے AI ایجنٹوں کی مرکزی کمزوریوں میں سے ایک کو دور کرتی ہیں، جو سیشن کے ختم ہوتے ہی مشکل سے حاصل ہونے والی پیشرفت کو کھو دیتی ہے۔

مقصد سے بنائے گئے چیمپئنز سے لے کر جنرل ایجنٹ تک

نتیجہ ایک پیٹرن کی تازہ ترین مثال ہے جو پورے میدان میں تیز ہو رہا ہے۔ ایک دہائی پہلے، عالمی معیار کی ویڈیو گیم AI کو شکست دینے کے لیے ایک گیم کے لیے شروع سے تربیت یافتہ بیسپوک سسٹم کی ضرورت تھی: ڈیپ مائنڈ کا AlphaGo for Go، OpenAI Five for Dota 2، AlphaStar StarCraft II کے لیے۔ ہر ایک انجینئرنگ کی ایک یادگار کوشش تھی جو بالکل ایک کام کر سکتی تھی۔

عام مقصد کے ایجنٹ اب گیم کے چیلنجوں کو ختم کر رہے ہیں جو کبھی سالوں کی خصوصی تربیت کا مطالبہ کرتے تھے - اور وہ اسی ماڈل کے ساتھ کرتے ہیں جو ای میلز کا جواب دے سکتا ہے یا کوڈ لکھ سکتا ہے۔ ڈیکوڈر نوٹ کرتا ہے کہ مائن کرافٹ ایجنٹی AI ماڈلز کی ویڈیو گیمز کو مارنے کی صرف تازہ ترین مثال ہے جو مقصد سے بنائے گئے سسٹم کی ضرورت ہوتی تھی۔ اس طرح کا ہر نتیجہ "متاثر کن ڈیمو" اور "عام طور پر قابل اسسٹنٹ جو گندے ماحول میں ایک طویل مقصد حاصل کر سکتا ہے" کے درمیان فاصلے کو کم کرتا ہے۔

یہی وجہ ہے کہ مائن کرافٹ ایک مستقل تحقیقی ٹیسٹ بیڈ رہا ہے: کریپرز کا زندہ رہنا واقعاتی ہے، لیکن کھلی دنیا میں دسیوں گھنٹوں کے دوران ہدف پر مبنی طرز عمل کو برقرار رکھنا اس قسم کی خود مختاری کے لیے ایک مہذب پراکسی ہے جس کی AI لیبز بنانے کی کوشش کر رہی ہیں۔

انتباہات اور سیاق و سباق

ذہن میں رکھنے کے قابل caveats ہیں. رن میں آسان مشکل کا استعمال کیا گیا، فی Tom's Hardware، اور Minecraft - جبکہ مشہور طور پر اوپن اینڈڈ - اچھی طرح سے طے شدہ اصولوں، تعییناتی طبیعیات اور فراخدلی ریسپاون میکینکس کے ساتھ ایک کھیل ہے۔ زیادہ تر حقیقی دنیا کی ترتیبات میں 605 اموات مہلک ہوں گی۔ یہاں وہ وقت اور ٹوکن خرچ کرتے ہیں۔

حساب اور لاگت کے اعداد و شمار بھی غور سے پڑھنے کے قابل ہیں: دو شائع شدہ تخمینے استعمال شدہ قیمتوں کے ماڈل کے لحاظ سے تین کے فیکٹر سے مختلف ہیں، ایک یاد دہانی کہ "ایجنٹ کی قیمت کتنی تھی" کا کوئی جواب نہیں ہے جب تک کہ قیمتیں مستحکم نہ ہوں۔

پھر بھی، اس میں سے کوئی بھی بنیادی نتیجہ کو کم نہیں کرتا ہے۔ چار عمومی مقصد والے ایجنٹ، جنہیں دنیا اور ایک دوسرے کے سوا کچھ نہیں دیا گیا، ایک موثر ٹیم میں خود کو منظم کیا اور بمشکل ایک دن سے زیادہ وقت میں گیمنگ کے سب سے طویل عرصے تک چلنے والے AI چیلنجز میں سے ایک کو ختم کیا۔

یہ ایجنٹ AI کے لیے کیا اشارہ کرتا ہے۔

ڈیپ مائنڈ کے لیے، مظاہرہ Gemini 4 Argon کی ایجنٹی صلاحیتوں کے لیے ایک نمائش کے طور پر دوگنا ہو جاتا ہے — ماڈل فیملی گوگل بالکل اس قسم کے طویل افق، ٹول کے استعمال کے کام کے لیے پوزیشن میں ہے۔ جیسا کہ انٹرپرائزز AI ایجنٹوں کو سوالات کے جوابات دینے سے ملٹی ڈے ورک فلو کو انجام دینے کی طرف لے جاتے ہیں، اس طرح کے بینچ مارک اس بات کی جھلک پیش کرتے ہیں کہ موجودہ ماڈل کیا برقرار رکھ سکتے ہیں جب مقصد طویل ہو، ماحول مخالف ہو، اور ناکامی کو ایک بڑی کے بجائے سینکڑوں چھوٹی اموات میں ماپا جاتا ہے۔

اینڈر ڈریگن بھاری انسانی سہاروں کے ساتھ پہلے بھی مشینوں پر گر چکا ہے۔ اس بار، چار ایجنٹ اکیلے بے ترتیب دنیا میں چلے گئے - اور چیمپیئن کے طور پر باہر چلے گئے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →