زلزال ديب مايند الثالث
لقد رأينا ألعابًا يضع فيها المطورون روبوتات لتسهيل الأمر على اللاعبين البشريين أو لإنشاء عمليات إعادة تشغيل للاعب الفردي لأنماط متعددة اللاعبين في العديد من الألعاب. نادرًا ما يكون لاعبو الذكاء الاصطناعي هؤلاء قادرين على التنافس ضد نظرائهم من البشر. وبالتالي يتم استخدامها لتخفيف منحنى التعلم للعديد من الألعاب متعددة اللاعبين. من ناحية أخرى ، DeepMind هي شركة متخصصة في استخدام الذكاء الاصطناعي في العديد من مجالات العمل. لقد كشفوا أن روبوتاتهم المدفوعة بالذكاء الاصطناعي يمكنها أخيرًا التغلب على نظرائهم من البشر في واحدة من أكثر الألعاب متعددة اللاعبين لعبًا Quake III. النتائج التي توصلوا إليها رائعة لأولئك الذين لديهم شيء لتعلم الذكاء الاصطناعي وقدراته.
هذا ليس أول مشروع لشركة DeepMind في ألعاب الفيديو ، لقد طوروا بالفعل محركًا عصبيًا قادرًا على هزيمة اللاعبين المحترفين في العديد من الألعاب متعددة اللاعبين. أفضل مثال هنا هو AlphaGo ، حيث هزم الذكاء الاصطناعي الخاص بهم اللاعب المحترف المعروف في اللعبة المذكورة. لقد طوروا أيضًا AI للعديد من الألعاب الأخرى.
الخصومات
بالعودة إلى استقطاعاتهم فيما يتعلق بالذكاء الاصطناعي في Quake III. يختلف Quake III اختلافًا جذريًا عن العديد من الألعاب الأخرى الموجودة هناك. تختلف اللعبة بشكل قاطع بسبب المراحل التي تم إنشاؤها من الناحية الإجرائية وحقيقة أن اللعبة من منظور الشخص الأول. تكمن مشكلة تطوير الذكاء الاصطناعي هنا في عدم تمكنهم من تعلم أفضل طريقة ممكنة للتغلب على اللعبة. أثبتت المشكلة في الواقع أنها نعمة مقنعة لأن الذكاء الاصطناعي يشبه منحنى التعلم البشري ، والمزيد حول هذا لاحقًا.
بدأ الذكاء الاصطناعي من نقطة الصفر وتعلم قواعد التقاط وضع العلم نفسه. كان الذكاء الاصطناعي بعد ذلك قادرًا على التغلب على 40 لاعباً بشرياً حيث كان البشر ، وكذلك الذكاء الاصطناعي ، متطابقين. بعد هزيمة البشر بشكل كبير ، تقبل DeepMind أن فوزهم يُعزى إلى أوقات استجابة وكيل الذكاء الاصطناعي المؤيدة للإنسان. لذلك ، قرروا إبطائهم ، لكن الذكاء الاصطناعي كان لا يزال قادرًا على التغلب على نظرائهم من البشر.
تقدم الذكاء الاصطناعي
تومشاردوير تشير التقارير إلى أن استنتاجاتهم رائعة بشكل خاص حيث كان على الذكاء الاصطناعي تعلم أساسيات اللعبة نفسها وحقيقة أن الذكاء الاصطناعي كان قادرًا على الحصول على النتائج عندما تم إنشاء المراحل من الناحية الإجرائية.
قال DeepMind أن عملهم في هذا المشروع يسلط الضوء على حقيقة أنه يمكننا تدريب الذكاء الاصطناعي بكفاءة باستخدام تقنيات متعددة الوكلاء ، مما يعني الذكاء الاصطناعي ضد الذكاء الاصطناعي. فهو لا يجعل الذكاء الاصطناعي مدركًا لأخطائه فحسب ، بل إنه يعمل أيضًا على الأشياء التي يمكن القيام بها بشكل أفضل. قالوا ، ' يسلط الضوء على النتائج من خلال استغلال المنهج الطبيعي الذي يوفره التدريب متعدد الوكلاء ، وإجبار تطوير وكلاء قويين يمكنهم حتى التعاون مع البشر . '
العلامات AI
