هوش مصنوعی GPT-۶ Astra در یک آزمایش غیرمعمول توانست بازی World of Warcraft را بدون پردازش حتی یک فریم تصویری انجام دهد. این مدل بهجای مشاهده صفحه بازی از طریق اسکرینشات یا بینایی کامپیوتری، اطلاعات موردنیاز خود را از پیامهای شبکه، دادههای بازی و فایلهای ناوبری دریافت کرد و سپس ابزارهایی برای حرکت و انجام مأموریتها ساخت.
این آزمایش توسط توسعهدهنده پروژه متنباز agent-wow انجام شد و مدل در حدود ۴۰ دقیقه منطقه آغازین شخصیت Orc را به پایان رساند؛ آن هم بدون اینکه در طول این اجرا بمیرد.
هوش مصنوعی GPT-۶ Astra چگونه بدون دیدن بازی محیط را درک کرد؟
آزمایش روی یک سرور خصوصی محلی مبتنی بر AzerothCore انجام شد و ارتباطی با سرویس زنده World of Warcraft شرکت Blizzard نداشت. دستور دادهشده به Codex که GPT-۶ Astra را با تنظیمات استدلالی بالا اجرا میکرد، ساده بود: یک شخصیت Orc بساز و تمام مأموریتهای منطقه آغازین را کامل کن.
نکته اصلی آزمایش این بود که مدل برخلاف روشهای معمول اتوماسیون بازی، به تصویر صفحه یا کنترل مستقیم ماوس و صفحهکلید دسترسی نداشت. در عوض، از پروتکل شبکه World of Warcraft برای ارتباط با سرور استفاده میکرد.
هوش مصنوعی GPT-۶ Astra در جریان اجرا ماژولی ساخت که میتوانست دهها نوع پیام مختلف سرور را پردازش و اطلاعات حاصل از آنها را در حافظه نگه دارد. سپس یک اسکریپت پایتون این دادهها را به اطلاعاتی تبدیل میکرد که مدل میتوانست بر اساس آنها وضعیت بازی را درک کند و اقدامات لازم را دوباره به سرور ارسال کند.
دادههای بازی چگونه به هوش مصنوعی GPT-۶ Astra کمک کردند؟
مدل علاوه بر پیامهای شبکه، به دادههای زیربنایی AzerothCore نیز دسترسی داشت. این دادهها شامل فایلهای SQL حاوی اطلاعاتی درباره مأموریتها، شخصیتهای غیرقابلبازی یا NPCها و محل ظاهر شدن آنها بود.
GPT-۶ Astra با استفاده از این اطلاعات میتوانست تشخیص دهد مأموریتها از کجا آغاز و در کجا تمام میشوند و اهداف مختلف چگونه به یکدیگر مرتبط هستند. مدل همچنین توانست برای انجام مأموریتهای پیشنیاز، یک برنامه ترتیبی ایجاد کند.
این سیستم تنها به انجام مأموریتها محدود نماند. عامل هوش مصنوعی کارهای معمول دیگری مانند فروش وسایل اضافی، پوشیدن تجهیزات بهتر و آموزش تواناییها را نیز مدیریت کرد تا در نهایت به غار نهایی منطقه آغازین برسد.
هوش مصنوعی GPT-۶ Astra ابزار مسیریابی خودش را ساخت
یکی از چالشهای مهم، پیدا کردن مسیر مناسب در محیط بازی بود. برای حل این مسئله، GPT-۶ Astra یک ابزار کمکی به زبان ++C ایجاد کرد که از دادههای navigation mesh یا همان mmaps در AzerothCore استفاده میکرد.
این ابزار با کمک کتابخانه Detour میتوانست مسیر میان دو مکان را محاسبه و نقاط مسیر یا waypointهایی تولید کند که عامل هوش مصنوعی میتوانست آنها را دنبال کند.
در جریان آزمایش، سیستم حتی با مکانهایی مواجه شد که اطلاعات مربوط به برخورد یا collision در آنها کامل به نظر نمیرسید. طبق گزارش توسعهدهنده، مدل توانست از این ویژگیهای نقشه نیز استفاده کند. همین مسئله نشان میدهد که نتیجه آزمایش باید با احتیاط تفسیر شود؛ زیرا محیط مورد استفاده، یک دنیای تجاری و کاملاً دستنخورده نبود.
این آزمایش چه چیزی درباره توانایی هوش مصنوعی نشان میدهد؟
اهمیت این آزمایش فقط در این نیست که یک هوش مصنوعی توانسته یک بازی را تمام کند. نکته مهمتر این است که GPT-۶ Astra مجبور نبود محیط را مانند یک انسان از طریق تصویر ببیند.
بازیکن انسانی معمولاً برای تشخیص موقعیت خود، دشمنان، اهداف و مسیر حرکت به صفحه نمایش وابسته است. اما در این آزمایش، مدل باید محیطی ناآشنا را بر اساس اطلاعات ساختاریافتهای که از پروتکل بازی و دادههای داخلی دریافت میکرد، تحلیل میکرد.
به بیان دیگر، آزمایش بیشتر از آنکه صرفاً توانایی تشخیص تصویر یا کنترل بازی را بسنجد، توانایی مدل برای استدلال درباره یک محیط پیچیده بر اساس دادههای ساختاریافته را بررسی کرد.
البته نتیجه این آزمایش را نمیتوان بهسادگی معادل توانایی بازیکردن یک بازی تجاری بدون هیچ کمک اضافی دانست. مدل به دادههای داخلی AzerothCore و ابزارهای مسیریابی دسترسی داشت و حتی توانست ابزارهای موردنیاز خود را در طول اجرا ایجاد کند.
با این حال، عملکرد هوش مصنوعی GPT-۶ Astra در این آزمایش نشان میدهد که یک عامل هوش مصنوعی میتواند بدون دریافت تصاویر معمول صفحه، با استفاده از دادههای زیرساختی یک محیط دیجیتال، وضعیت آن را بازسازی کند، برای انجام اهداف برنامهریزی داشته باشد و ابزارهای موردنیازش را برای تعامل با آن محیط بسازد.
