- 13,858
- 20
- 8 Ноя 2022
DeepMind сделала первый шаг к ИИ-союзникам в видеоиграх будущего.
Google DeepMind Для просмотра ссылки Войдиили Зарегистрируйся новый ИИ-инструмент SIMA, цель которого — осваивать навыки игры так, чтобы его действия были похожи на действия человека, а не на алгоритмы сверхмощного ИИ, действующего по собственному сценарию. SIMA (Scalable, Instructable, Multiworld Agent) пока что находится на стадии исследования.
SIMA обучается играть в любые видеоигры, включая те, где нет линейного пути к завершению или открытые миры. Задача SIMA — не замена существующего игрового ИИ, а скорее добавление в игру еще одного игрока, который эффективно взаимодействует с вашей командой, используя при этом как инструкции на естественном языке, так и понимание 3D-мира и распознавание изображений. «SIMA не обучен выигрывать; он обучен играть и выполнять данные ему инструкции», — сказал исследователь Google DeepMind и один из руководителей проекта SIMA Тим Харли.
Google сотрудничала с 8 разработчиками игр, в числе которых Hello Games, Embracer, Tuxedo Labs, Coffee Stain и другие, для обучения и тестирования SIMA. Исследователи подключили SIMA к играм No Man’s Sky (Hello Games), Teardown (Tuxedo Labs), Valheim (Coffee Stain) и Goat Simulator 3 (Coffee Stain), чтобы обучить ИИ основам игрового процесса. Отмечается, что SIMA не требует специального API для игры или доступа к исходным кодам.
DeepMind выбрала игры, сфокусированные на открытом геймплее, а не на сюжете, чтобы помочь SIMA освоить общие игровые навыки. Так, в Goat Simulator ценится спонтанность действий, и именно такую спонтанность исследователи надеялись привить SIMA.
Для обучения команда создала новую среду на движке Unity, где агентам нужно было создавать скульптуры для проверки их способностей манипулировать объектами. Затем Google записывал пары игроков — один управлял игрой, а другой давал инструкции, что делать дальше — чтобы зафиксировать языковые команды. Затем игроки играли независимо друг от друга, чтобы показать, что привело их к тем или иным действиям в игре. Все эти данные использовались для обучения агентов SIMA предсказывать, что произойдет дальше на экране.
Принцип обучения SIMA
На данный момент SIMA обладает около 600 базовыми навыками, такими как поворот налево, лазание по лестнице или использование меню для вызова карты. Харли утверждает, что в будущем SIMA сможет выполнять более сложные задачи в играх. Однако задания типа «найти ресурсы и построить лагерь» пока что остаются сложными, поскольку ИИ не может выполнять такие действия за человека.
Игровой процесс SIMA
SIMA задумывался не как ИИ-персонаж игры, подобный тем, что разрабатывают Nvidia и Convai (подобно чат-боту в игре), а скорее как еще один игрок, влияющий на исход игры. DeepMind отмечают, что пока рано говорить о потенциальном применении таких ИИ-агентов в играх вне исследовательской сферы.
Тем не менее, как и ИИ-персонажи, SIMA может в будущем научиться разговаривать, но пока ещё далек от этого. SIMA продолжает обучаться играть в игры и адаптироваться к тем, в которые ещё не играл. Google заявляет, что с развитием более продвинутых моделей ИИ, SIMA в конечном итоге сможет выполнять более сложные задачи и стать идеальным ИИ-союзником на пути к победе.
Google DeepMind Для просмотра ссылки Войди
SIMA обучается играть в любые видеоигры, включая те, где нет линейного пути к завершению или открытые миры. Задача SIMA — не замена существующего игрового ИИ, а скорее добавление в игру еще одного игрока, который эффективно взаимодействует с вашей командой, используя при этом как инструкции на естественном языке, так и понимание 3D-мира и распознавание изображений. «SIMA не обучен выигрывать; он обучен играть и выполнять данные ему инструкции», — сказал исследователь Google DeepMind и один из руководителей проекта SIMA Тим Харли.
Google сотрудничала с 8 разработчиками игр, в числе которых Hello Games, Embracer, Tuxedo Labs, Coffee Stain и другие, для обучения и тестирования SIMA. Исследователи подключили SIMA к играм No Man’s Sky (Hello Games), Teardown (Tuxedo Labs), Valheim (Coffee Stain) и Goat Simulator 3 (Coffee Stain), чтобы обучить ИИ основам игрового процесса. Отмечается, что SIMA не требует специального API для игры или доступа к исходным кодам.
DeepMind выбрала игры, сфокусированные на открытом геймплее, а не на сюжете, чтобы помочь SIMA освоить общие игровые навыки. Так, в Goat Simulator ценится спонтанность действий, и именно такую спонтанность исследователи надеялись привить SIMA.
Для обучения команда создала новую среду на движке Unity, где агентам нужно было создавать скульптуры для проверки их способностей манипулировать объектами. Затем Google записывал пары игроков — один управлял игрой, а другой давал инструкции, что делать дальше — чтобы зафиксировать языковые команды. Затем игроки играли независимо друг от друга, чтобы показать, что привело их к тем или иным действиям в игре. Все эти данные использовались для обучения агентов SIMA предсказывать, что произойдет дальше на экране.
Принцип обучения SIMA
На данный момент SIMA обладает около 600 базовыми навыками, такими как поворот налево, лазание по лестнице или использование меню для вызова карты. Харли утверждает, что в будущем SIMA сможет выполнять более сложные задачи в играх. Однако задания типа «найти ресурсы и построить лагерь» пока что остаются сложными, поскольку ИИ не может выполнять такие действия за человека.
Игровой процесс SIMA
SIMA задумывался не как ИИ-персонаж игры, подобный тем, что разрабатывают Nvidia и Convai (подобно чат-боту в игре), а скорее как еще один игрок, влияющий на исход игры. DeepMind отмечают, что пока рано говорить о потенциальном применении таких ИИ-агентов в играх вне исследовательской сферы.
Тем не менее, как и ИИ-персонажи, SIMA может в будущем научиться разговаривать, но пока ещё далек от этого. SIMA продолжает обучаться играть в игры и адаптироваться к тем, в которые ещё не играл. Google заявляет, что с развитием более продвинутых моделей ИИ, SIMA в конечном итоге сможет выполнять более сложные задачи и стать идеальным ИИ-союзником на пути к победе.
- Источник новости
- www.securitylab.ru
