الذكاء الاصطناعي يواجه لعبة 'Red Dead Redemption II': دراسة رائدة

خلال الأيام القليلة الماضية، أشعل مجتمع الذكاء الاصطناعي بالفعل المتحمس نفسه بنيران الباحثين القادمين من الصين وسنغافورة الذين وضعوا أحدث تقنيات الذكاء الاصطناعي في مواجهة لعبة الفيديو الصعبة Red Dead Redemption II (RDR2). تدرس الدراسة، المعنونة "نحو التحكم الحاسوبي العام: دمج GPT-4V من OpenAI مع وكيل CRADLE متعدد الوسائط لـ Red Dead Redemption II كدراسة حالة"، أبحاث "خوارزميات اختيار النماذج" لاستكشاف لعبة الفيديو متعددة اللاعبين، Red Dead Redemption II.

فهم التحكم الحاسوبي العام

يمهد التحكم الحاسوبي العام (GCC) الطريق لتشكيل الذكاء الاصطناعي العام (AGI) حيث تثبت أنظمة الذكاء الاصطناعي كفاءتها في التعامل مع المهام بسرعة وبكفاءة مساوية وكذلك الفهم الذي يظهره المستخدمون البشر. مع أنظمة إدخال الحاسوب التي تشمل البيانات البصرية والسمعية، يلعب الذكاء الاصطناعي دور شخص أكثر كفاءة في الحاسوب. علاوة على ذلك، توفر هذه التقنية للذكاء الاصطناعي وسيلة للتصرف بحزم في المواقف الديناميكية، أي أنها تختبر قابلية تكرار الذكاء الاصطناعي أثناء خوضه عملية التعلم من خلال التعرف على مختلف المعلومات والتفاعل معها بشكل مناسب دون معرفة مسبقة بالبيئة التي يعمل فيها.

RDR2، كما يُطلق عليها وتُعرف ببيئتها الغنية والأحداث غير المتوقعة، هي أفضل نقطة انطلاق لهذا العمل البحثي. تقدم اللعبة نظام محاكاة لإدارة الموظفين مع نظام تحكم معقد ومكونات واجهة مستخدم تتراوح بين الحوارات التفاعلية إلى المطالبات الخاصة داخل اللعبة أو الإرشادات لتوفير الوقت وتعزيز تجربة المستخدم، مما يجعل تقييم الذكاء الاصطناعي موثوقاً.

السلوك والتقدم في ألعاب الذكاء الاصطناعي

جوهر هذا البحث هو إطار عمل CRADLE، وهو نظام ذكاء اصطناعي نموذجي مصمم بحيث لا يقتصر على اللعب فحسب، بل يتعامل أيضاً مع أنواع مختلفة من تطبيقات البرمجيات لاحقاً. يهدف CRADLE إلى جعل الذكاء الاصطناعي معتاداً على اللعب العشوائي من خلال تحقيق الأهداف؛ وكل ذلك يعتمد على أنماط التعلم البشرية دون أي فكرة عن الحالات الداخلية أو واجهات برمجة التطبيقات (APIs).

ومع ذلك، لم أكن أتوقع أن يمر التطوير دون عوائق. في بعض المهام التي تتطلب معالجة سريعة للوعي البصري المكاني وقرارات في الوقت الفعلي، واجه الذكاء الاصطناعي صعوبات مثل مهام المعقدة المعقدة والخرائط الداخلية المكونة من ممرات ضيقة ومتصلة ببعضها البعض. جعلت هذه التحديات واضحة الخط الفاصل بين النموذج العقلي لنظام الذكاء الاصطناعي ونظام محرك اللعبة، مما تطلب دقة دقيقة في التعامل مع المهام المزدوجة حيث تشبه الرؤية البشرية والفهم لأشياء اللعبة.

التحديات والآثار المستقبلية

على الرغم من مزامنة جميع المشاكل المذكورة تماماً داخل اللعب، تمكن CRADLE من إكمال جزء القصة، وبالتالي يجب اعتباره علامة مائية عالية في ألعاب الذكاء الاصطناعي. لا تسلط نتائج الدراسة الضوء فقط على قدرة الذكاء الاصطناعي على تنفيذ هذه المحاكاة المكثفة للمهام، بل تخبرنا أيضاً بالجوانب التي لا تزال يمكن البناء عليها، لا سيما جوانب تطوير التعرف المكاني الجيد والطيف البصري.

الذكاء الاصطناعي ثابت، ومع تطوره، تكتسب استخداماته آفاقاً جديدة، حيث يعتبر اللعب نقطة الخلاف الأولية بين تحديات أعمق أخرى. تصبح أنظمة الذكاء الاصطناعي القادرة على فهم الأنظمة والتفاعل معها في المنصات المعقدة أدوات للتقدم في مجالات مثل الروبوتات وأنظمة الاستراتيجية في الوقت الفعلي. بالتأكيد ستؤخذ الدراسة أدناه كأساس لمزيد من البحث، لتحسين وظائف الذكاء الاصطناعي، وكسر حدود تطبيق التحكم الحاسوبي العام. سيساعد دراسة ومحاولة حل القيود الحالية وجعل أنظمة الذكاء الاصطناعي أكثر حساسية واستجابة وذكاءً في إنشاء مورد ذكاء اصطناعي يمكن استخدامه في تطبيقات واسعة.