عامل‌های هوش مصنوعی Gemini 4 Argon گوگل دیپ‌مایند بازی ماینکرفت را در ۲۷ ساعت به پایان رساندند
گوگل دیپ‌مایند نشان داده است که عامل‌های هوش مصنوعی همه‌منظوره می‌توانند از پس وظایف پیچیده و طولانی‌مدت برآیند. چهار عامل مبتنی بر مدل Gemini 4 Argon این شرکت توانستند بازی ماینکرفت را در مدت ۲۷ ساعت و بدون دخالت انسان به پایان برسانند.
این عامل‌ها کار خود را در یک محیط بقا با نقشه‌ای که به‌صورت تصادفی تولید شده بود آغاز کردند و پس از ساخت ۲۷۸۳ برنامه، غول نهایی بازی، یعنی اژدهای اندر، را شکست دادند. آن‌ها در محیطی ایزوله فعالیت می‌کردند و با استفاده از کدنویسی و ارتباط متنی، وظایف را میان خود تقسیم می‌کردند، اطلاعات را به اشتراک می‌گذاشتند و خطاها را برطرف می‌کردند.
به گفته گوگل دیپ‌مایند، در این آزمایش نه از منطق بازیِ ازپیش‌نوشته‌شده استفاده شد و نه عامل‌ها از کمک انسان بهره بردند. نقش انسان‌ها به نظارت بر ایمنی محدود بود و عامل‌ها به‌طور مستقل کدهای موردنیاز برای پیشروی در بازی را توسعه دادند و اجرا کردند.
گوگل دیپ‌مایند اعلام کرد: «چهار عامل Gemini 4 Argon از نقطه صفر، ماینکرفت را در ۲۷ ساعت به پایان رساندند.» این شرکت توضیح داد که عامل‌ها از طریق گفت‌وگو وظایف را تقسیم می‌کردند، یادداشت‌های مشترک داشتند و برای رفع خطاهای برنامه‌نویسی تلاش می‌کردند.
آزمایش توانایی عامل‌های هوش مصنوعی فراتر از سامانه‌های تخصصی بازی
این دستاورد با موفقیت‌های پیشین دیپ‌مایند در بازی‌هایی مانند AlphaGo و AlphaStar تفاوت دارد؛ سامانه‌هایی که به‌طور اختصاصی برای بازی‌های مشخص آموزش دیده بودند. این بار، شرکت از عامل‌های کدنویسی همه‌منظوره استفاده کرد؛ ابزارهایی مشابه آنچه مهندسان برای کارهای معمول برنامه‌نویسی به کار می‌گیرند.
ماینکرفت مجموعه‌ای از چالش‌های به‌هم‌پیوسته را پیش روی عامل‌ها قرار داد که برای حل آن‌ها باید در مدت زمانی طولانی، برنامه‌ای منسجم را دنبال می‌کردند. آن‌ها ناچار بودند مواد اولیه جمع‌آوری و پردازش کنند، منابع کمیاب را از ابعاد جایگزین و خطرناک به دست آورند، با محاسبات مکانی یک دژ زیرزمینی را پیدا کنند و در نهایت دشمنی پرنده را شکست دهند که می‌توانست سلامتی خود را بازیابی کند.
شکست در بازی نیز پیامدهایی داشت. با مرگ بازیکن، ممکن بود اقلام موجود در فهرست دارایی‌های او از دست برود و در نتیجه، ساعت‌ها زمان برای بازیابی منابع و ازسرگیری پیشرفت لازم باشد.
دیپ‌مایند این آزمایش را به‌گونه‌ای طراحی کرد که مشخص شود آیا مدل‌های متداول کدنویسی می‌توانند تمام مراحل بازی را بدون استفاده از میان‌بُر، نقشه‌های ازپیش‌کاوش‌شده، درگاه‌های ازقبل‌فعال‌شده یا اسکریپت‌های حاوی دستورالعمل‌های ازپیش‌تعریف‌شده بازی طی کنند یا خیر.
پیامدها برای انجام وظایف پیچیده در دنیای واقعی
این شرکت اعلام کرد که آزمایش یادشده شواهدی از توانایی سامانه‌های هوش مصنوعی خودمختار برای همکاری با یکدیگر، بازیابی توان پس از شکست‌های مکرر و دنبال کردن هدف‌هایی فراهم می‌کند که به انجام مراحل متعدد و وابسته به هم نیاز دارند.
به گفته دیپ‌مایند، این توانایی‌ها می‌توانند در حوزه‌هایی فراتر از بازی، از جمله مهندسی نرم‌افزار، پژوهش علمی، رباتیک و کار با سامانه‌های فیزیکی پیچیده، کاربرد داشته باشند.
نبرد پایانی، توانایی عامل‌ها برای ادامه فعالیت در شرایط پرفشار را به نمایش گذاشت. تیم عامل‌ها ۳۹ دقیقه پس از نابود کردن آخرین بلور شفابخش، اژدهای اندر را شکست داد. عامل هوش مصنوعی که ضربه نهایی را وارد کرد، از حداکثر ۲۰ واحد سلامتی خود تنها ۲٫۵ واحد در اختیار داشت.