इजरायली डेवलपर्स एअर इंडिया को मॉर्टल कोम्बैट में आदमी को हराने के लिए सिखाने में सक्षम थे

एआई के कमजोर रूप से 3 डी पर्यावरण को समझना अभी भी मुश्किल है, जो इस तरह के गेम खेलते समय कंप्यूटर की समस्याओं को पूरा करता है।

वीडियो गेम का उपयोग करके, आधुनिक कृत्रिम बुद्धि विशेषज्ञ एआई को बाधाओं पर काबू पाने और जाने पर समस्याओं को हल करने के तरीके सिखाने जा रहे हैं। उदाहरण के लिए, डीपमाइंड के कर्मचारियों ने बर्फ़ीला तूफ़ान के साथ, StarCraft II को AI के कमजोर रूप के प्रशिक्षण के लिए एक वातावरण में बदल दिया । पिछले साल, Google के AI सिस्टम ने अपने दम पर 49 पुराने अटारी खेलों में महारत हासिल की ।

और यह गेम में एकीकृत प्रणाली (लड़ने वाले खेल, फुटबॉल सिमुलेटर या रेसिंग सिमुलेटर में एआई विरोधियों की तरह) के बारे में नहीं है, जो नियमों और शर्तों को जानता है। एआई, जो अब कंप्यूटर गेम में डेवलपर्स द्वारा सिखाया जाता है, को मनुष्यों के साथ एक समान पायदान पर रखा जाता है। सिस्टम स्क्रीन पर तस्वीर की निगरानी करता है, परीक्षण और त्रुटि के तरीकों को सीखता है। और इस तरह के एक कार्यक्रम न केवल खेलों में एक समाधान खोजने में सक्षम है, यह नियमों या शर्तों की परवाह किए बिना, कार्यों की एक विस्तृत श्रृंखला में समाधान खोजने के लिए उपयुक्त है।


इजरायल की टेक्नोलॉजिकल यूनिवर्सिटी के छात्रों के एक समूह ने हाल ही में अपने विकास, रेट्रो लर्निंग एनवायरनमेंट (आरएलई) प्रणाली की घोषणा की। यह एक सॉफ्टवेयर प्लेटफ़ॉर्म है जो आपको 90 के दशक के कई खेलों के उदाहरण पर एआई को प्रशिक्षित करने की अनुमति देता है, जिनमें उन निन्टेंडो और सेगा कंसोल के लिए जारी किया गया था। यह, उदाहरण के लिए, कई प्रसिद्ध एफ-जीरो, वोल्फेंस्टीन, और मॉर्टल कोम्बैट। डेवलपर्स के मुताबिक, एआई के लिए, कई गेम मुश्किल थे, कुछ सिस्टम ने समझना और पास करना नहीं सीखा। लेकिन आरएलई ने मॉर्टल कोम्बैट को बहुत अच्छी तरह से खेलना सीखा। विशेषज्ञों ने आर्टएक्सिव पर एक लेख में अपने काम के परिणामों को प्रस्तुत किया । एआई बार-बार एक मानव प्रतिद्वंद्वी के खिलाफ एकमुश्त जीत हासिल करने में सफल रहा है। और यह प्रतिद्वंद्वी किसी भी तरह से एक शुरुआत नहीं था। लेख में कहा गया है कि कंप्यूटर का विरोध एक अनुभवी मॉर्टल कोम्बाट खिलाड़ी ने किया था।

वोल्फेंस्टीन में, जहां मात्रा के स्तर हैं, साथ ही आपको भूलभुलैया के माध्यम से नेविगेट करने और कई वस्तुओं को निर्धारित करने की आवश्यकता है, सिस्टम ने बहुत अच्छे परिणाम नहीं दिखाए। ग्रेडियस III में, RLE खेल के तकनीकी पहलुओं का अध्ययन करने में सक्षम था, जिसमें बाद के कार्यों के साथ बैठक दुश्मनों को नष्ट करने की आवश्यकता शामिल है। लेकिन सिस्टम एक मानव खिलाड़ी से बेहतर परिणाम नहीं दिखा सका। यहां कलाकृतियों के साथ चरित्र की क्षमताओं में सुधार करना आवश्यक है। एक खिलाड़ी को जितनी अधिक कलाकृतियाँ याद आती हैं, खेल को पूरा करना उतना ही कठिन होता है। कंप्यूटर व्यावहारिक रूप से पावर-अप ऑब्जेक्ट्स पर ध्यान नहीं देता था, जो गुजरने की प्रक्रिया को बहुत जटिल करता है।

तथ्य यह है कि कार्यक्रम यह जानने में सक्षम था कि कंप्यूटर गेम को इतनी अच्छी तरह से कैसे खेला जाए कि वह एक व्यक्ति को हरा दे, यह डेवलपर की निर्विवाद योग्यता है। कंप्यूटर के लिए परीक्षण और त्रुटि के माध्यम से गेम खेलना सीखना आसान नहीं है, यह एक मुश्किल काम है जिसे कुछ सॉफ्टवेयर प्लेटफॉर्म दूर करते हैं। "अगर एल्गोरिदम जटिल गेम खेल सकते हैं, तो हम वास्तविक समस्याओं को हल करने के लिए वास्तविक दुनिया में ऐसी प्रणालियों को लागू करने पर काम शुरू कर सकते हैं," अध्ययन के लेखकों में से एक, शॉन रोसेनबर्ग ने कहा। “जैसे ही कोई बच्चा खेल खेलना सीखता है, वैसे ही कंप्यूटर भी स्क्रीन पर केवल जानकारी देखता है। वे (बच्चे और कंप्यूटर दोनों) अधिकतम इनाम पाने के लिए बाधाओं से बचने और समस्याओं को हल करने के लिए सीखते हैं, “वह जारी है।


एआई ने अटारी और मॉर्टल कॉम्बैट पर बॉक्सिंग दोनों में अच्छी तरह से खेलना सीखा, बस "स्क्रीन को देखना" और गेमिंग वातावरण में अपने कार्यों के परिणामों का आकलन करना।

वास्तविक दुनिया में, कंप्यूटर सिस्टम की अपनी गलतियों से सीखने और कुछ "कार्यों" के परिणामों की भविष्यवाणी करने की क्षमता काम में आ सकती है। कई क्षेत्रों। उनके साथ टकराए बिना बड़ी संख्या में बाधाओं के साथ रोबोट जटिल स्थानों (उदाहरण के लिए, हॉल के कमरे) के माध्यम से आगे बढ़ सकते हैं। कंप्यूटर द्वारा की गई कोई भी छोटी गलती अगली बार उसी या इसी तरह के कार्य को करते समय ध्यान में रखी जाएगी।

रोसेनबर्ग के अनुसार, RLE अधिक जटिल गेमिंग सिस्टम के माध्यम से जाना सीख सकता है, और न केवल SNES गेम खेल सकता है। परियोजना का अगला चरण प्लेस्टेशन प्लेटफॉर्म पर गेम का विकास होगा। सच है, अब तक, इजरायली डेवलपर्स अपने सिस्टम को पढ़ाने पर ध्यान केंद्रित करते हैं ताकि अधिकांश मास्टर गेम्स पास कर सकें। तथ्य यह है कि कंप्यूटर ने इस मॉर्टल कोम्बैट को खेलना सीखा, लेकिन यह पर्याप्त नहीं है - फिर भी, खेल का एक महत्वपूर्ण हिस्सा "ओवरबोर्ड" हो गया, आरएलई उन्हें मास्टर नहीं कर सका।


RLE प्रणाली द्वारा विभिन्न पासिंग एल्गोरिदम का उपयोग करके विभिन्न गेम पास करने के परिणाम

डेवलपर्स ने कहा, "बाद के चरणों में, हम अपने प्रशिक्षण प्रणाली को अधिक जटिल खेलों के लिए अनुकूलित करना संभव और अपेक्षाकृत आसान मानते हैं, उदाहरण के लिए, ग्रैंड थेफ्ट ऑटो," डेवलपर्स ने कहा। अब, दुर्भाग्य से, ग्रैंड थेफ्ट ऑटो वी एआई जैसे खेल उपलब्ध नहीं हैं - वे बहुत जटिल हैं।

डेवलपर्स ने अपने सिस्टम के स्रोत कोड को खोल दिया और इसे जीथब पर पोस्ट किया। आप यहाँ स्रोत प्राप्त कर सकते हैं ।

Source: https://habr.com/ru/post/hi399067/