Google DeepMind, det stora teknikföretagets forskningslaboratorium för artificiell intelligens (AI), har presenterat Sima, ett program som tränats för att lära sig spela spel på ett sätt som liknar mänskligt beteende. Med andra ord är den utbildad för att vara en ödmjuk spelare, snarare än de där överlägset skickliga robotarna.
För den som är i farten:
- DeepMind, Googles forskningslab för AI, har utvecklat Sima, en AI som är designad för att lära sig spela spel på ett mänskligt sätt. Tanken är att göra AI:n kapabel att bli en del av spelargrupper istället för att fungera som konventionella icke-spelbara karaktärer (NPC:er);
- För att träna och utvärdera Sima, samarbetade Google med utvecklare av åtta spel, däribland No Man’s Sky och Goat Simulator 3, utan behov av särskilda API:er eller tillgång till spelens källkod. Målet var att bredda Simas förmåga att anpassa sig till olika spel;
- Metodiken inkluderade även användning av en ny utvecklad miljö i Unity och analys av mänskliga spelinteraktioner för att lära Sima generella färdigheter som att manipulera objekt och förutsäga konsekvenser av handlingar;
- Med 600 grundläggande färdigheter redan inlärda befinner sig Sima fortfarande i en utvecklingsfas för att kunna utföra mer komplexa uppgifter, vilket antyder en framtid där AI-program kan vara dynamiska och anpassningsbara spelkamrater.
Sima (akronym för Scalable Instructable Multiworld Agent) är fortfarande under utveckling. Målet är att göra AI:n kapabel att lära sig spela vilket spel som helst, inklusive öppen värld-spel utan en linjär väg till målet. Tanken är att denna AI ska vara en sorts “ytterligare en spelare” för att ansluta till lag av mänskliga spelare istället för att ersätta de NPC:er som används i spel.
Google Gamer AI
För att utveckla och testa Sima, samarbetade Google med åtta spelutvecklare (till exempel Hello Games och Coffee Stain) och integrerade programmet i spel som No Man’s Sky och Goat Simulator 3. Sima-träningen sker utan krav på specifika API:er eller tillgång till spelen källkod. Detta underlättar integrationen i olika spel.
Forskarteamet valde spel med fokus på öppen värld för att lära Sima generella spelkunskaper. I fallet med Goat Simulator var syftet att utnyttja spelets spontana natur för att främja inlärningen av icke-linjära och oförutsägbara handlingar.
Träningsprocessen innefattade att skapa en ny miljö i Unity-motorn för att testa Simas förmåga att manipulera objekt samt att registrera mänskliga spelares interaktioner för att fånga verbala instruktioner och efterföljande handlingar. Denna data hjälper Sima att lära sig förutsäga konsekvenserna av handlingar i spelet.
AI-färdigheter och nästa steg
Med ungefär 600 grundläggande färdigheter redan förvärvade, såsom att svänga vänster och använda en karta för att navigera, står Sima inför utmaningen att utföra mer komplexa uppgifter självständigt. Detta visar på potentialen för framtida utveckling mot mer avancerade funktioner inom spelvärlden.
Simas projektledare ser agenten inte som en traditionell NPC, utan som en extra spelare som påverkar spelets utgång. Det är ännu för tidigt att fastställa alla möjliga användningsområden för AI utanför forskning. Dock pekar dess utveckling mot en framtid där AI-baserade program kan bli lagkamrater i spel.
Även om den ännu inte har avancerad kommunikationsförmåga, förväntas Sima, med framsteg inom AI-modeller, förvärva färdigheter för att utföra komplexa uppgifter och anpassa sig till nya spel. Därmed kan den bli en värdefull medlem i spelares lag.
