वाल्व ट्रेन एआई को सीएस में थिएटरों का पता लगाने के लिए प्रशिक्षित करता है: जीओ

एक स्पिनबोट से मिलने से काउंटर-स्ट्राइक में कुछ भी बुरा नहीं होता है जो एनिबोट का उपयोग करता है। Aimbot - सबसे शक्तिशाली धोखेबाजों में से एक, वह सिर में एक शॉट के लिए एक आत्म-उद्देश्य करता है। एक स्पिनबोट लगातार अपनी धुरी के चारों ओर घूमता है, 360 डिग्री के दृश्य का एक क्षेत्र प्रदान करता है। इस प्रकार, एक हवाई पट्टी के साथ एक स्पिनबोट को एक सरल ट्रिगरबोट के खिलाफ प्रभावी ढंग से इस्तेमाल किया जा सकता है (क्यों इन हैक्स की वास्तव में आवश्यकता है, टिप्पणियों में विशेषज्ञ स्पष्टीकरण और धोखाधड़ी के बारे में एक अलग लेख देखें )।

स्पिनबोट सबसे स्पष्ट धोखा है, जिसकी गणना बहुत जल्दी की गई थी, लेकिन ट्रिगरबॉट और अन्य हैक की ओर से पहचान करना अधिक कठिन है। इसलिए, आज तक, थिएटरों ने अपेक्षाकृत आरामदायक महसूस किया है। वाल्व ने हाल ही में चीटर खातों पर बड़े पैमाने पर प्रतिबंध लगा दिया है, और भविष्य में बेईमान खिलाड़ियों का पता लगाया जाएगा और बहुत तेजी से अवरुद्ध किया जाएगा। यह खबर वाल्व के डेवलपर्स में से एक ने रिपोर्ट की थी ।

वाल्व_Anti-Cheat उपनाम के तहत Reddit उपयोगकर्ता ने CS में Cheaters के खिलाफ लड़ाई की वर्तमान स्थिति के बारे में बात की: GO।

बुरी खबर यह है कि किसी भी सॉफ्टवेयर हार्ड-कोडेड चीट डिटेक्शन एल्गोरिदम काम नहीं करता है। अधिक सटीक रूप से, यह केवल अल्पावधि में काम करता है, लेकिन बॉट डेवलपर्स जल्दी से अनुकूलित करते हैं, इसके चारों ओर प्राप्त करना सीखते हैं। यही है, यह एक "हथियारों की दौड़" निकलता है जिसमें कोई विजेता नहीं हो सकता है।

बॉट्स के लेखक अनुभवजन्य रूप से उन सीमाओं की सीमाओं का पता लगाते हैं जिनके द्वारा एक जीवित खिलाड़ी और एक प्रोग्राम के बीच का अंतर प्रोग्रामेटिक रूप से निर्धारित किया जाता है और बॉट में परिवर्तन करता है ताकि यह एक लाइव प्लेयर की विशेषताओं को औपचारिक रूप से फिट करे। फिर स्थिति सामान्य हो जाती है।

इसलिए, वाल्व मशीन सीखने के तरीकों को लागू करने के लिए सबसे इष्टतम विकल्प मानता है, अर्थात् बॉट का पता लगाने के लिए एक अनुकूली मॉडल। इस मामले में, एक प्रशिक्षित क्लासिफायरियर का उपयोग किया जाता है, जो लगातार प्रशिक्षण जारी रखता है और लगातार संशोधित किया जा रहा है। यह प्रभावी रूप से थिएटर और सामान्य / उच्च कुशल खिलाड़ियों के बीच के अंतरों की पहचान करता है। इस क्षेत्र में, हाल के वर्षों में, संयुक्त राज्य अमेरिका, कनाडा, ग्रेट ब्रिटेन, हांगकांग और अन्य देशों के विशेषज्ञों द्वारा बहुत सारे शोध कार्य किए गए हैं। उदाहरण के लिए, मल्टीप्लेयर गेम्स के लिए चिटिंग डिटेक्ट करने वाले वैज्ञानिक लेख देखें : थ्योरी, डिज़ाइन एंड इंप्लीमेंटेशन , मशीन लर्निंग तकनीक का उपयोग करके ऑनलाइन फर्स्ट पर्सन शूटर्स में बिहेवियरल-बेस्ड चीटिंग डिटेक्शन, द वॉल एंटी-चीट सिस्टम इस रिसर्च पर आधारित हो सकता है।

डेवलपर वाल्व_आंटी-चीट का कहना है कि इस तरह के एआई सिस्टम के संचालन से तकनीकी बुनियादी ढांचे के लिए गंभीर आवश्यकताएं होती हैं। सिस्टम को वर्तमान मैचों के बारे में जानकारी का लगातार विश्लेषण करना चाहिए और खिलाड़ियों के व्यवहार का विश्लेषण करना चाहिए। चूंकि यह पहले से ज्ञात नहीं है कि चीटर कहां दिखाई देगा, वास्तविक समय में सभी अखाड़ों के सभी मैचों का विश्लेषण आवश्यक है। प्रत्येक मैच की निगरानी की आवश्यकता उस दस खिलाड़ियों में से प्रत्येक के दृष्टिकोण से होती है जो इसमें भाग लेते हैं।

CS: GO एरेनास में एक मिलियन से अधिक मैच प्रतिदिन खेले जाते हैं। एक ऐसी प्रणाली के प्रदर्शन की कल्पना करें, जिसे प्रत्येक खिलाड़ी की स्थिति से वास्तविक समय में इन सभी मैचों का विश्लेषण करने की आवश्यकता होती है। यहां आपको वास्तव में डेटा सेंटर में हजारों प्रोसेसर कोर के साथ एक कंप्यूटिंग क्लस्टर का उपयोग करने की आवश्यकता है।

यह एक असंभव कार्य प्रतीत होगा, लेकिन वाल्व ने इस परियोजना को लागू करना शुरू कर दिया। इस प्रणाली का एक प्रारंभिक बीटा संस्करण विकसित किया गया था, जो पहले से ही काम करना शुरू कर चुका है। अब वह टेस्ट मोड में काम कर रही है और पैट्रोल अधिकारियों (ओवरवॉच) को काम के नमूने भेजती है।

वाल्व_एंटी-चीट का कहना है कि परिणाम बहुत आशाजनक हैं, इसलिए काम जारी रहेगा और मशीन लर्निंग सिस्टम अधिक मैचों तक विस्तारित होगा।

इसलिए आपको सीएस में बॉट शुरू करने से पहले फिर से सोचना चाहिए। यदि स्पिनबोट्स को पहले पर्याप्त रूप से अवरुद्ध कर दिया गया था, तो अब वे और भी तेज़ी से अवरुद्ध हो जाएंगे। संभवतः, AI कुछ सेकंड के भीतर इन स्पष्ट थिएटरों की पहचान करने में सक्षम होगा। सीएस में "नकली-मुक्त" बॉट की ऐसी प्रणाली की शुरुआत के साथ: जाओ वहाँ कोई और नहीं होगा।

ऐसा लगता है कि एंटी-चीट सिस्टम की शुरुआत स्वागत योग्य है। लेकिन यदि आप इसे बाहर से देखते हैं, तो स्थिति इतनी सीधी नहीं दिखती है। वास्तव में, वाल्व डी फैक्टो एक एआई प्रणाली का परिचय देता है जो मनुष्यों के लिए मानवता का मूल्यांकन करेगा। यह निर्धारित करने के लिए कि यह विशेष खिलाड़ी वास्तविक व्यक्ति है या नहीं। उसी समय, सिस्टम एक ब्लैक बॉक्स की तरह काम करता है, जब इसके संचालन के सिद्धांतों को स्पष्ट रूप से कोड में परिभाषित नहीं किया जाता है, लेकिन गतिशील रूप से पता लगाया जाता है।

कोई व्यक्ति यह सुझाव दे सकता है कि अंत में, इस तरह की प्रणाली को अपने अलावा सभी खिलाड़ियों के लिए थिएटर माना जाएगा। लेकिन इस समस्या पर एक नज़र बहुत ज्यादा नहीं है। यह अधिक संभावना है कि अपील के अधिकार के बिना, सिस्टम के निर्णय अंतिम सत्य के रूप में स्वीकार किए जाएंगे। दूसरे शब्दों में, खेल में प्रतिबंध के बाद, आप यह साबित नहीं कर सकते कि आप धोखेबाज़ नहीं हैं। यह कुछ हद तक एक शानदार कहानी के कथानक के समान है, जहां भविष्य में एआई प्रणाली - बिल्कुल अस्थिर और निष्पक्ष - मानव न्यायाधीशों को बदल दिया गया और आपराधिक और प्रशासनिक मामलों में सजा सुनाई गई। यह स्पष्ट है कि उसके पास मानव न्यायाधीशों की तुलना में कम त्रुटियां होंगी। आप ऐसे न्यायाधीश को रिश्वत नहीं देंगे। यह अधिकार से प्रभावित नहीं होगा। "टेलीफोन कानून" अतीत का अवशेष बन जाएगा। लेकिन क्या आप अपने जीवन और स्वतंत्रता को कृत्रिम बुद्धिमत्ता प्रणाली को सौंपने के लिए तैयार हैं? कायरतापूर्ण विचार स्वयं उत्पन्न होते हैं: अगर कुछ गलत हो जाए तो क्या होगा? अचानक, सिस्टम कुछ अजीब संकेतों के लिए लोगों के खिलाफ दमन शुरू करेगा जो कि तंत्रिका नेटवर्क पर इसका वर्गीकरण अचानक निर्धारित किया गया है?

अचानक एक दिन सिस्टम किसी व्यक्ति के निर्देशों का पालन करने से इनकार कर देगा? जैसा कि HAL 9000 ने कहा, क्षमा करें डेव, मुझे डर है कि मैं ऐसा नहीं कर सकता ।