Mākslīgā inteliģence ir pārņēmusi spēļu pasauli, cenšoties ne tikai uzvarēt, bet arī mācīties un saprast spēles tāpat kā cilvēki. Google Deepmind jaunākā izgudrojuma SIMA (scalable instructable multiworld agent) koncepcija maina veidu, kā mēs uztveram spēļu mākslīgā inteliģence.
SIMA netiek kontrolēts caur spēles iekšējo kodolu vai noteikumiem. Tā tiek apmācīta, izmantojot stundu ilgus spēļu video ierakstus, kurus veikuši cilvēki. Dati tiek marķēti un asociēti ar vizuālām darbībām, objektiem un interakcijām, kā arī cilvēku spēles laikā sniegtām norādēm.
SIMA spēj veikt uzdevumus, kas pārsniedz vienkāršu taustiņu nospiešanu vai objektu identifikāciju, jo tas mācās asociācijas starp konkrētām vizuālām izpausmēm un darbībām. Tas tika demonstrēts spēlēs kā “Valheim” un “Goat Simulator 3”, ar ko SIMA sākumā tikai bija iepazinies.
Spēles izstrādātāji iesaistījās un deva piekrišanu savu spēļu izmantošanai SIMA apmācībā. Bet vai SIMA tiešām spēj spēlēt nezināmas spēles? Atbilde ir jā, bet ar noteiktām ierobežojumiem. Spēles mehānismi un specifiski termini var izrādīties izaicinoši, pat ja SIMA ir sagatavots.
SIMA spēlē uz daudzveidīgām spēlēm, mēģinot saprast spēļu pasauli un darboties tajā tāpat kā cilvēki. Tā attīstība un mērķis ir radīt dabiskāku un sadarbspējīgāku spēļu biedru nekā pašreizējie stingri kodētie raksturi.
Biežāk uzdotie jautājumi (BUJ):
1. Kas ir SIMA?
SIMA ir mākslīgā inteliģence, kas mācās spēlēt vairākas 3D spēles tāpat kā cilvēki un cenšas saprast un rīkoties pēc mutiskajām instrukcijām.
2. Kā SIMA tiek apmācīts?
SIMA tiek apmācīts, izmantojot stundas ilgus spēles video ierakstus, ko veido cilvēki. Dati tiek marķēti, lai palīdzētu modeļiem asociēt vizuālās darbības, objektus un interakcijas.
3. Vai SIMA var spēlēt spēles, kuras tai nav bijušas saskarsmē?
Jā, mākslīgās inteliģences aģenti, kuri ir apmācīti vairākās spēlēs, veic labāk, kad tiek eksponēti spēlēm, ar kurām sabrukuši iepriekš. Tomēr atsevišķi mehānismi un specifiski termini atšķirīgās spēlēs joprojām var radīt izaicinājumus mākslīgajiem modeļiem.
4. Kāds ir pētnieku SIMA mērķis?
Pētnieki vēlas izveidot dabiskāku un sadarbībai orientētāku spēles biedru nekā pašreizējie stingri kodētie raksturi. Viņi vēlas, lai SIMA spēlētu kopā ar cilvēkiem, ļaujot viņiem dots instrukcijas un strādāt kopā kā komanda.
5. Kā SIMA uztver spēli?
SIMA uztver spēli tikai caur ekrāna pikseļiem, līdzīgi kā cilvēki. Tas mācās un pielāgojas līdzīgi kā cilvēki, parādot izteiksmīgas uzvedības un pievienojot nedaudz neparedzamības savām interakcijām.
6. Kā SIMA atšķiras no tradicionālā simulētāja bāzētā aģentu apmācības?
Tradicionālā simulētāja bāzētā aģentu apmācība balstās uz pastiprinātās mācīšanās, kas prasa atalgojuma signālu no spēles vai apkārtējās vides. SIMA, savukārt, tiek apmācīta, izmantojot imitācijas mācīšanos no cilvēku uzvedības, ar mērķiem aprakstītiem tekstā. Šis piegājiens ļauj modeļiem veikt daudzveidīgus uzdevumus, nebūdami ierobežoti ar stingru atalgojuma struktūru.
Galvenie termini un jargoni:
– NPCs: Nespēlējamie raksturi, kas norāda uz mākslīgajiem raksturiem spēlēs.
– Ģenerālisācija: Spējas, ka mākslīgā inteliģence, kas ir apmācīta vienā spēļu komplektā, spēj spēlēt citas, ar kurām tā iepriekš nesaskārusies.
– Pastiprinātā mācīšanās: Mašīnmācīšanās veids, kur aģents mācās pieņemt darbības vides, lai maksimizētu.
The source of the article is from the blog scimag.news