Протягом останніх кількох днів і без того гаряча спільнота штучного інтелекту підпалила дослідників із Китаю та Сінгапуру, які протистояли найсучаснішому штучному інтелекту складній відеогрі Red Dead Redemption II (RDR2). Дослідження під назвою Towards General Computer Control: An Integration of OpenAI's GPT-4V with CRADLE Multimodal Agent for Red Dead Redemption II as a Case Study, вивчає дослідження «алгоритмів вибору моделі» для багатокористувацької гри, дослідження відеоігор, Red Dead Redemption II.
Розуміння загального керування комп’ютером
Загальне комп’ютерне керування (GCC) прокладає шлях до формування загального штучного інтелекту (AGI), де системи штучного інтелекту доводять свою здатність швидко виконувати завдання з однаковою компетентністю та розумінням, продемонстрованим користувачами-людьми. Завдяки системам комп’ютерного введення, які включають візуальні та аудіодані, штучний інтелект грає роль людини, яка більше володіє комп’ютером. Крім того, ця техніка надає штучному інтелекту засоби для рішучої поведінки в динамічних ситуаціях, тобто перевіряє відтворюваність штучного інтелекту під час проходження процесу навчання шляхом влучного розпізнавання та реагування на різноманітну інформацію без попередніх знань про середовище, в якому він працює.
RDR2, GM, як його називають і відомий своїм багатим середовищем і несподіваними подіями, є нашою найкращою відправною точкою для цієї дослідницької роботи. Гра представляє змодельовану систему управління персоналом із складною системою керування та компонентами інтерфейсу користувача, починаючи від взаємодіючих діалогів і закінчуючи спеціальними внутрішньоігровими підказками чи вказівками, щоб заощадити час і покращити досвід для користувача, таким чином роблячи оцінку ШІ достовірною.
Поведінка та прогрес в іграх зі штучним інтелектом
Суттю цього дослідження є фреймворк CRADLE, який є прототипом системи штучного інтелекту, яка розроблена таким чином, що вона не тільки має ігровий процес, але й обробляє різні типи програмних додатків пізніше. CRADLE має на меті ознайомити ШІ з рандомізованим ігровим процесом через досягнення цілей; все це базується на моделях навчання людини без уявлення про внутрішні стани чи API.
Тим не менш, я не очікував, що розвиток пройде без сучка і задирки. У деяких роботах, які вимагали швидкої обробки візуально-просторової обізнаності та прийняття рішень у режимі реального часу, штучний інтелект стикався з такими труднощами, як складні бойові місії та карти приміщень, що складалися з вузьких взаємопов’язаних коридорів. Ці виклики зробили очевидним розмежування між ментальною моделлю системи штучного інтелекту та моделлю ігрового движка, який вимагав дрібної точності в обробці подвійних завдань, таких як подібність людського зору та розуміння об’єктів гри.
Майбутні виклики та наслідки
Хоча всі згадані проблеми були повністю синхронізовані в ігровому процесі, CRADLE все ж вдалося завершити сюжетну частину, і, як наслідок, це слід розглядати як високий водяний знак в іграх зі штучним інтелектом. Результати дослідження не лише підкреслюють здатність штучного інтелекту реалізувати ці інтенсивні симуляції завдань, але також говорять нам про аспекти, на яких ще можна розвиватися, зокрема аспекти розвитку гарного просторового розпізнавання та візуального спектру.
ШІ є наполегливим, оскільки він розвивається, його використання відкриває нові горизонти, де ігри є початковим яблуком розбрату серед інших, глибших проблем. Системи штучного інтелекту, здатні розуміти та реагувати на системи на складних платформах, стають інструментами для прогресу в таких сферах, як робототехніка та стратегічні системи реального часу. Наведене нижче дослідження, безсумнівно, буде взято за основу для подальших досліджень, щоб покращити функції ШІ та порушити межі застосування загального комп’ютерного контролю. Вивчення та спроби вирішити існуючі обмеження та зробити системи штучного інтелекту більш розумними, чуйними та розумними допоможе створити ресурс штучного інтелекту, який можна буде використовувати в широких програмах.
Ця стаття спочатку з’явилася в Tom’s Hardware
