Během posledních dní se již tak rozžhavená komunita umělé inteligence zapálila od výzkumníků z Číny a Singapuru, kteří postavili nejmodernější umělou inteligenci proti náročné videohře Red Dead Redemption II (RDR2). Studie s názvem Towards General Computer Control: An Integration of OpenAI's GPT-4V with CRADLE Multimodal Agent for Red Dead Redemption II as Case Study, studuje výzkum „algoritmů výběru modelu“ pro zkoumání videohry ve hře pro více hráčů, Red Dead Redemption II.

Porozumění obecnému ovládání počítače

Obecná počítačová kontrola (GCC) dláždí cestu pro formování umělé obecné inteligence (AGI), kde systémy AI prokazují svou odbornost v rychlém zvládání úkolů se stejnou kompetencí a porozuměním prokazovaným lidskými uživateli. S počítačovými vstupními systémy, které zahrnují vizuální a zvuková data, hraje umělá inteligence roli počítačově zdatnější osoby. Navíc tato technika poskytuje AI prostředky k rozhodnému chování v dynamických situacích, to znamená, že testuje reprodukovatelnost AI, když prochází procesem učení tím, že vhodně rozpoznává různé informace a reaguje na ně bez předchozí znalosti prostředí, ve kterém pracuje.

RDR2, GM, jak se nazývá a je známý pro své bohaté prostředí a neočekávané události, je naším nejlepším výchozím bodem pro tuto výzkumnou práci. Hra představuje simulovaný systém řízení personálu s komplexním řídicím systémem a komponenty uživatelského rozhraní, od interaktivních dialogů až po speciální výzvy ve hře nebo pokyny, které šetří čas a vylepšují zážitek pro uživatele, čímž se hodnocení AI stává důvěryhodným.

Chování a pokrok v AI hraní

Jádrem tohoto výzkumu je framework CRADLE, což je prototyp systému umělé inteligence, který je navržen tak, aby měl nejen hratelnost, ale později zvládal různé typy softwarových aplikací. CRADLE si klade za cíl seznámit AI s randomizovanou hratelností prostřednictvím dosažení cílů; to vše je založeno na vzorcích lidského učení, aniž bychom měli ponětí o jakýchkoli vnitřních stavech nebo rozhraních API.

Přesto jsem nečekal, že vývoj proběhne bez problémů. U některých úloh, které vyžadovaly rychlé zpracování vizuálního a prostorového povědomí a rozhodování v reálném čase, AI čelila potížím, jako byly komplikované bitevní mise a vnitřní mapy tvořené těsnými propojenými chodbami. Tyto výzvy jasně ukázaly hranici mezi mentálním modelem systému umělé inteligence a modelem herního enginu, který vyžadoval jemnou přesnost při zvládání dvou úkolů, jako je podobnost lidského vidění a porozumění herním objektům.

Budoucí výzvy a důsledky

Přestože všechny zmíněné problémy byly kompletně synchronizovány v rámci hry, CRADLE se přesto podařilo dokončit příběhovou část a v důsledku toho by to mělo být považováno za velký vodoznak v hraní AI. Výsledky studie nejen zdůrazňují schopnost umělé inteligence implementovat tyto intenzivní simulace úkolů, ale také nám říkají aspekty, na kterých lze stále stavět, zejména aspekty rozvoje dobrého prostorového rozpoznávání a vizuálního spektra.

Umělá inteligence je vytrvalá, jak se vyvíjí, její používání zachycuje nové obzory, kde je hraní prvním jablkem sváru mezi dalšími hlubšími výzvami. Systémy umělé inteligence schopné porozumět systémům na komplexních platformách a reagovat na ně se stávají nástroji pro pokrok v oblastech, jako je robotika a strategické systémy v reálném čase. Níže uvedená studie bude nepopiratelně brána jako základ pro další výzkum ke zlepšení funkcí AI a prolomí limity aplikace General Computer Control. Studium a pokus o vyřešení stávajících omezení a zvýšení rozumnosti, pohotovějších a chytřejších systémů umělé inteligence pomůže vytvořit zdroj umělé inteligence, který by mohl být použit v širokých aplikacích.

Tento článek se původně objevil v Tom’s Hardware