چهار ایجنت هوش مصنوعی مبتنی بر مدل Gemini 4 Argon گوگل توانستند در یک آزمایش پژوهشی، بازی ماینکرفت را از ابتدا تا شکست اژدهای اندر پیش ببرند؛ مأموریتی که بیش از ۲۷ ساعت طول کشید و بدون دخالت مستقیم انسان به پایان رسید.
بر اساس مقاله‌ای که پژوهشگران گوگل دیپ‌مایند در arXiv منتشر کرده‌اند، ایجنت‌ها نه‌تنها برای انجام مراحل بازی برنامه‌ریزی کردند، بلکه خودشان کد نوشتند، خطاهایشان را برطرف کردند و با کمک یکدیگر پیش رفتند. البته این نتیجه مربوط به یک اجرای آزمایشی مشخص است و به‌تنهایی نشان نمی‌دهد که هوش مصنوعی می‌تواند هر بار یا در هر شرایطی ماینکرفت را با همین موفقیت تمام کند.
چهار ایجنت چگونه ماینکرفت را تمام کردند؟
پژوهشگران چهار ایجنت مبتنی بر Gemini 4 Argon را در یک دنیای بقای ماینکرفت با نقشه‌ای تصادفی قرار دادند و تنها یک هدف به آن‌ها دادند: شکست دادن اژدهای اندر. برای کنترل شخصیت‌های داخل بازی از کتابخانه متن‌باز Mineflayer استفاده شد؛ ابزاری که امکان تعامل برنامه‌نویسی‌شده با ماینکرفت را فراهم می‌کند.
پژوهشگران از پیش وظیفه مشخصی برای هر ایجنت تعیین نکرده بودند و منطق اختصاصی بازی را هم برای آن‌ها ننوشته بودند. ایجنت‌ها باید خودشان راه رسیدن به هدف را پیدا می‌کردند، کارها را میان یکدیگر تقسیم می‌کردند و با استفاده از گفت‌وگوی درون‌بازی و حافظه مشترک، اطلاعاتشان را به اشتراک می‌گذاشتند.
۲۷ ساعت کدنویسی و بیش از ۶۰۰ بار شکست
طبق گزارش پژوهشگران، این چهار ایجنت در مدت ۲۷ ساعت و ۱۴ دقیقه، در مجموع ۲۷۸۳ برنامه نوشتند و اجرا کردند تا مراحل مختلف بازی را پیش ببرند. آن‌ها در طول این آزمایش ۶۰۵ بار جان باختند؛ اما توانستند از شکست‌ها درس بگیرند، اطلاعات را با هم به اشتراک بگذارند و دوباره تلاش کنند.
پیشروی در ماینکرفت به مجموعه‌ای از کارهای وابسته به یکدیگر نیاز دارد؛ از جمع‌آوری منابع و ساخت ابزار گرفته تا سفر به مناطق مختلف، پیدا کردن دژ و آماده شدن برای نبرد نهایی. ایجنت‌ها باید برنامه‌ای نسبتاً منسجم را در طول هزاران مرحله و برای بیش از یک روز حفظ می‌کردند.
چرا این آزمایش اهمیت دارد؟
اهمیت آزمایش فقط در شکست دادن یک دشمن در بازی نیست؛ بلکه در توانایی ایجنت‌ها برای دنبال کردن یک هدف بلندمدت، نوشتن و اصلاح کد و هماهنگی با یکدیگر دیده می‌شود. این ویژگی‌ها می‌توانند برای انجام کارهای پیچیده‌تر نرم‌افزاری نیز اهمیت داشته باشند؛ کارهایی که به چندین مرحله وابسته‌اند و در طول اجرا به تصمیم‌گیری و اصلاح مداوم نیاز دارند.
بااین‌حال، باید در نظر داشت که این آزمایش در محیطی کنترل‌شده و روی درجه سختی آسان انجام شد. پژوهشگران نیز امکان مشاهده اجرا و متوقف کردن آن را داشتند، هرچند طبق مقاله نیازی به مداخله برای پیشبرد بازی پیدا نکردند. همچنین، مقاله در زمان انتشار یک پیش‌چاپ پژوهشی بود و نتیجه آن به‌معنای اثبات توانایی مشابه در تمام بازی‌ها یا وظایف دنیای واقعی نیست.
دیدگاه‌ها