پیروزی شگفت‌انگیز جی‌پی‌تی ۶ در بازی "ورلد آو وارکرفت"

ICTPRESS - جی‌پی‌تی۶ آسترا توانست منطقه آغازین «ورلد آو وارکرفت» را در حدود ۴۰ دقیقه کامل کند؛ بدون اینکه حتی یک فریم از بازی را ببیند و تنها با تکیه بر داده‌های شبکه و اطلاعات داخلی بازی.

به گزارش شبکه خبری ICTPRESS به نقل از اینترستینگ‌انجینیرینگ، مدل هوش مصنوعی جی‌پی‌تی۶ آسترا توانست منطقه آغازین شخصیت‌های اورک در بازی «ورلد آو وارکرفت» را در حدود ۴۰ دقیقه و بدون پردازش حتی یک فریم تصویری کامل کند. این مدل به‌جای مشاهده صفحه بازی، محیط را با استفاده از پیام‌های شبکه، داده‌های مأموریت‌ها و اطلاعات مسیریابی بازسازی کرد و در پایان نیز بدون کشته شدن از منطقه عبور کرد.

این آزمایش توسط توسعه‌دهنده پروژه متن‌باز «ایجنت-وارکرفت» انجام شد؛ پروژه‌ای که به عامل‌های هوش مصنوعی اجازه می‌دهد مستقیماً از طریق پروتکل ارتباطی بازی با محیط آن تعامل کنند. آزمایش روی یک سرور خصوصی محلی انجام شد و ارتباطی با سرویس رسمی و زنده بلیزارد نداشت. دستور اولیه نیز ساده بود: یک شخصیت اورک بساز و تمام مأموریت‌های منطقه آغازین را انجام بده.

آسترا بازی را بدون بینایی ماشین پیش برد

تفاوت اصلی این آزمایش با روش‌های معمول آموزش عامل‌های بازی، حذف کامل بینایی ماشین بود. جی‌پی‌تی۶ آسترا نه اسکرین‌شات دریافت می‌کرد، نه تصویر بازی را تحلیل می‌کرد و نه مانند یک بازیکن انسانی مستقیماً با ماوس و صفحه‌کلید کار می‌کرد.

در عوض، عامل از طریق پیام‌هایی که میان بازی و سرور ردوبدل می‌شد، اطلاعات موردنیاز خود را دریافت می‌کرد. پروژه ایجنت-وارکرفت مجموعه‌ای از ابزارهای از پیش آماده برای حرکت، مبارزه یا تعامل در اختیار مدل نمی‌گذارد؛ بنابراین آسترا باید بخشی از قابلیت‌های موردنیازش را در جریان اجرای مأموریت ایجاد می‌کرد.

در جریان آزمایش، جی‌پی‌تی۶ آسترا ماژولی ساخت که می‌توانست ده‌ها نوع پیام مختلف سرور را پردازش کند و اطلاعات حاصل را در حافظه نگه دارد. سپس یک اسکریپت پایتون از این داده‌ها برای ساخت تصویری ساختاریافته از وضعیت بازی استفاده می‌کرد و دستورات لازم را دوباره به سرور می‌فرستاد.

به این ترتیب، آسترا می‌توانست بفهمد شخصیتش کجاست، چه مأموریت‌هایی در اختیار دارد، وضعیت پیشرفت مأموریت‌ها چگونه است و چه اهدافی در محیط وجود دارند؛ بدون آنکه محیط را به شکل بصری ببیند.

جی‌پی‌تی۶ آسترا ابزارهای موردنیازش را ساخت

بخش دیگری از آزمایش به داده‌های داخلی آزروث‌کور مربوط می‌شد. این داده‌ها شامل اطلاعاتی درباره مأموریت‌ها، شخصیت‌های غیرقابل‌بازی و محل ظاهر شدن موجودات بود. جی‌پی‌تی۶ آسترا از این اطلاعات برای تشخیص محل آغاز و پایان مأموریت‌ها و ترتیب انجام آنها استفاده کرد. آزروث‌کور یک پروژه متن‌باز برای ساخت و اجرای سرور خصوصی «ورلد آو وارکرفت» است.

مدل همچنین توانست زنجیره‌ای از مأموریت‌های پیش‌نیاز را تشخیص دهد و آنها را به ترتیب مناسب انجام دهد. در طول مسیر، وظایف معمول دیگری مانند فروش تجهیزات اضافی، استفاده از تجهیزات بهتر و آموزش توانایی‌های جدید شخصیت نیز انجام شد.

مسیریابی یکی از چالش‌های اصلی بود. جی‌پی‌تی۶ آسترا برای حل این مشکل یک ابزار کمکی با زبان ++C ایجاد کرد که از داده‌های «نقشه مسیر» آزروث‌کور یا همان ممپ‌ها استفاده می‌کرد. این ابزار با بهره‌گیری از کتابخانه «دیتور» می‌توانست مسیر میان نقاط مختلف را محاسبه و مجموعه‌ای از نقاط میانی برای حرکت شخصیت تولید کند.

یک آزمایش متفاوت برای عامل‌های هوش مصنوعی

اهمیت آزمایش فقط در تمام کردن یک منطقه از وارکرفت نیست؛ بلکه در نوع اطلاعاتی است که مدل برای تصمیم‌گیری در اختیار داشت. جی‌پی‌تی۶ آسترا مجبور نبود ابتدا تصویر را ببیند و سپس آن را تفسیر کند، بلکه با داده‌های ساختاریافته و خام محیط کار می‌کرد و بر اساس آنها ابزار و راهکار موردنیاز خود را می‌ساخت.

البته این نتیجه را نمی‌توان آزمونی کامل از توانایی یک هوش مصنوعی برای بازی کردن نسخه تجاری و دست‌نخورده وارکرفت دانست. آزمایش روی سرور خصوصی انجام شد و مدل به داده‌های داخلی آزروث‌کور و اطلاعات مسیریابی دسترسی داشت. حتی در برخی نقاط نیز با نقص اطلاعات برخورد و از برخی ایرادهای نقشه برای ادامه مسیر استفاده کرد.

با وجود این محدودیت‌ها، آزمایش نشان می‌دهد عامل‌های هوش مصنوعی می‌توانند به جای تکیه صرف بر رابط‌های گرافیکی، از داده‌های زیرساختی یک محیط پیچیده برای ساختن مدل عملیاتی از آن استفاده کنند؛ قابلیتی که می‌تواند در آینده فراتر از بازی‌ها و در تعامل عامل‌های هوشمند با نرم‌افزارها و محیط‌های پیچیده اهمیت پیدا کند.