عامل‌های هوش مصنوعی گوگل دیپ‌مایند بدون کمک انسان، بازی ماینکرفت را به پایان رساندند
تیمی متشکل از چهار عامل هوش مصنوعی که بر پایه مدل Gemini 4 Argon گوگل اجرا می‌شدند، توانستند بدون هیچ‌گونه کمک انسانی، با کشتن اژدهای اندر (Ender Dragon)، بازی ماینکرفت را به پایان برسانند.
شرح این دستاورد در مقاله‌ای پژوهشی آمده است که مکسنس فالدور، ساتیندر سینگ و روبرتا رایلینو، پژوهشگران گوگل دیپ‌مایند، آن را در ۱۵ اکتبر منتشر کردند. عامل‌ها کار خود را در یک دنیای بقای تصادفی با درجه سختی آسان آغاز کردند، ۲۷۸۳ برنامه نوشتند و پس از ۲۷ ساعت و ۱۴ دقیقه اژدها را شکست دادند. آن‌ها در طول این مسیر ۶۰۵ بار جان باختند.
پژوهشگران در مقاله نوشتند: «تا جایی که می‌دانیم، این نخستین بار است که عامل‌های هوش مصنوعی بازی ماینکرفت را از ابتدا تا انتها به‌طور کاملاً خودمختار به پایان می‌رسانند؛ آن هم صرفاً با استفاده از کتابخانه استاندارد Mineflayer، بدون به‌کارگیری بذرهای از پیش شناسایی‌شده یا ابزارهای اختصاصی بازی که انسان‌ها نوشته باشند.» گوگل دیپ‌مایند نیز در ۱۶ اکتبر، نتیجه را در شبکه اجتماعی ایکس (توییتر سابق) منتشر کرد و توضیح داد که عامل‌ها «از طریق گفت‌وگو وظایف را میان خود تقسیم کردند، یادداشت‌هایشان را به اشتراک گذاشتند و با همکاری یکدیگر خطاها را برطرف کردند»؛ آن هم بدون کمک انسان.
عامل‌ها چگونه بازی کردند؟
هر عامل از طریق کتابخانه متن‌باز Mineflayer کنترل یک بازیکن را در دست داشت و با استفاده از گفت‌وگوی درون‌بازی و حافظه مشترک با هم‌تیمی‌هایش ارتباط برقرار می‌کرد. طبق مقاله، هیچ‌کس برای عامل‌ها نقش مشخصی تعیین نکرده بود و هیچ منطق بازی نیز از پیش برای آن‌ها نوشته نشده بود. عامل‌ها تمام برنامه‌ها را خودشان طراحی و پیاده‌سازی کردند و خطاهای آن‌ها را نیز به‌طور مستقل برطرف کردند. پژوهشگران روند اجرا را از طریق یک داشبورد زنده زیر نظر داشتند و در هر زمان می‌توانستند آن را متوقف کنند یا موقتاً به حالت تعلیق درآورند؛ بااین‌حال، به گفته آن‌ها، «هیچ دلیلی برای مداخله نداشتند».
تیم در دو ساعت نخست، دروازه‌ای به دنیای ندر (Nether) ساخت و کمی پیش از رسیدن به ساعت سوم، یک قلعه ندر پیدا کرد. عامل‌ها پس از ۱۰ ساعت و ۴۳ دقیقه به چشم‌های اندر (Eyes of Ender) دست یافتند و در ساعت ۱۳ و ۳۳ دقیقه وارد دنیای اندر (The End) شدند. نبرد نهایی بخش زمان‌بر عملیات بود و نزدیک به ۱۴ ساعت دیگر طول کشید تا اژدها سرانجام شکست بخورد.
عامل‌ها بدون آنکه کسی از پیش وظایفشان را تعیین کند، کارها را میان خود تقسیم کردند. یکی از آن‌ها پناهگاه‌هایی برای پرورش اندرمن‌ها ساخت و در نهایت ضربه نهایی را به اژدها وارد کرد؛ سایر عامل‌ها نیز تدارکات جمع‌آوری کردند، ابزارها را سامان دادند یا برای ساخت دروازه ندر برنامه‌ریزی کردند. به گزارش IGN، این چهار عامل در مجموع ۲۲۹ پیام با یکدیگر ردوبدل کردند. عامل پنجمی نیز بر کل فرایند نظارت داشت تا مطمئن شود هیچ‌یک از آن‌ها تقلب نمی‌کند.
پژوهشگران می‌گویند هدفشان بررسی نحوه همکاری گروهی عامل‌های هوش مصنوعی در انجام وظایف طولانی‌مدت بوده است. در مقاله همچنین استدلال شده که وظایف پیچیده دنیای واقعی در حوزه نرم‌افزار و کسب‌وکار نیز به فرایندهای کدنویسی مستمر و همکاری گروهی مشابهی نیاز دارند. این پژوهش بخشی را نیز به محدودیت‌های نتایج به‌دست‌آمده اختصاص داده است.