Modeller med artificiell intelligens som spelar spel har funnits i decennier, men de är vanligtvis specialiserade på ett spel och fokuserade på att vinna. Forskare Google Deepmind har ett annat mål: att skapa en modell som lär sig att spela flera 3D-spel som en människa, samtidigt som man gör sitt bästa för att förstå och agera enligt dina verbala instruktioner. De introducerade SIMA-modellen, som står för Scalable, Instructable, Multiworld Agent och som för närvarande är under forskning.
Med tiden kommer SIMA att lära sig spela vilket videospel som helst, även de som inte har en linjär väg till slutet av spelet eller öppna världsspel. Även om algoritmen inte är avsedd att ersätta befintliga spel AI, du kan snarare tänka på honom som en partner och följeslagare. Den kombinerar naturlig språkinlärning med förståelse av 3D-världar och bildigenkänning.
Företaget har arbetat med olika spelutvecklare, inklusive Hello Games, Embracer, Tuxedo Labs, Coffee Stain och andra för att träna och testa SIMA. Forskarna kopplade SIMA till spel som No Man's Sky, Teardown, Valheim och Goat Simulator 3 för att lära AI-agenten grunderna i att spela dem.
Teamet valde spel som är mer öppna än narrativa för att hjälpa SIMA att lära sig allmänna spelfärdigheter. Om du har spelat eller tittat på Goat Simulator-genomgångar vet du att att göra slumpmässiga, spontana saker är vad spelet handlar om, och teamet säger att det är precis den sortens spontanitet de hoppas kunna lära SIMA.
För att göra detta skapade teamet först en ny miljö i Unity-motorn. Sedan Google inspelade par av spelare, en leder spelet och den andra ger instruktioner om vad som ska göras härnäst, för att spela in de talade instruktionerna. Efter det spelade spelarna på egen hand för att visa vad deras handlingar leder till i spelet. Allt detta matades till SIMA så att agenten kunde lära sig att förutsäga vad som skulle hända härnäst på skärmen. SIMA har för närvarande cirka 600 grundläggande färdigheter som att svänga vänster eller gå i trappor, men det kommer så småningom att lära sig mer komplexa funktioner.
Läs också:
Kommentera uppropet