ИИ DeepMind от компании Google обучили играть и выполнять различные действия в играх с открытым миром, таких как No Man's Sky, словно человек, просматривая видео с экрана, что может быть первой ступенью на пути к разумному ИИ, используемому в реальном мире
Игры уже давно стали средством тестирования эволюции систем ИИ, таких как мастерство ИИ Google DeepMind игры в виртуальные шахматы, однако в этих играх есть очевидные способы выиграть или проиграть, что не дает искусственному интеллекту развиваться для выполнения действий в сложных сценариях.
Игры, в которых присутствует открытый мир, и есть абстрактные цели и посторонняя информация, которую можно игнорировать, как, например, Minecraft, системам ИИ обрабатывать сложнее. Поскольку присутствие разнообразных вариантов действий, доступных в этих играх, делает их несколько схожими с обычной жизнью, они считаются важным шагом на пути к обучению агентов ИИ, которые могли бы выполнять работу в реальном мире (например, управлять роботами) и общего искусственного интеллекта.
Теперь исследователи из Google DeepMind разработали ИИ, который они называют масштабируемым обучаемым многомировым агентом или SIMA, который может играть в девять различных видеоигр и виртуальных сред, которых он раньше не видел, используя только видеопоток из игры. Сюда вошли космическая игра No Man's Sky, Teardown и насыщенный действиями Goat Simulator 3.
«На самом деле это интерфейс, который люди используют для взаимодействия с компьютером, это очень общий интерфейс», — говорит Фредерик Бесс из DeepMind.
При запросе на естественном языке SIMA может выполнить около 600 задач продолжительностью 10 секунд или меньше, которые являются общими для различных игр, таких как передвижение, использование объектов и навигация по меню. Он также может выполнять более уникальные задачи, такие как управление космическими кораблями или добыча ресурсов.
Бесс и его коллеги задействовали уже существовавшие модели распознавания видео и изображений, чтобы система интерпретировала игровые видеоданные, и научили SIMA сопоставлять то, что происходит в видео, с определенными задачами. Для обучения модели они попросили пары людей вместе играть в видеоигры. Один человек озвучивал действия, которые необходимо сделать, а другой их выполнял. Также, они озвучивали все действия с мышью и клавиатурой. С помощью этих данных система ИИ узнавала, как определенные задачи связаны с описаниями действий людей.
Когда ИИ обучился на восьми играх, ученые обнаружили, SIMA может играть в игру, в которой он ранее не был. Конечно, его производительность все еще не соответствует уровню человека. Исследователи использовали метод обучения, в котором они чередовали восемь игр, в которых обучали ИИ, поэтому использование девятой игры было тестом, чтобы убедиться, что он может играть в любую из игр, которую он раньше не видел.
Экстраполяция на различные игры является важным шагом к созданию универсального ИИ-агента, говорит Фелипе Менегузи из Абердинского университета, Великобритания, но SIMA в настоящее время может выполнять только относительно ограниченный набор коротких задач, которые не требуют долгосрочного планирования. По его словам, выполнять гораздо более широкий спектр сложных задач будет сложнее.
«Навигация в 3D-среде — это средство для достижения цели, и эти компании стремятся создавать системы ИИ, которые могут воспринимать мир и действовать в нем. Так что я не думаю, что это окажет большое влияние на видеоигры, но это может иметь много неизвестных последствий на нашу жизнь в реальном мире».