आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक शोध कंपनी अल्फाबेट की सहायक कंपनी डीपमाइंड ने इस भव्य खोज में एक नए मील के पत्थर की घोषणा की है: पहली बार एआई ने स्टारक्राफ्ट II की रणनीति में व्यक्ति को हराया । दिसंबर 2018 में, अल्फास्टार नामक एक सजातीय तंत्रिका नेटवर्क ने पेशेवर खिलाड़ियों TLO (Dario Wünsch, जर्मनी) और MaNa (Grzegorz Kominz, पोलैंड) को फैलाकर दस जीत हासिल कीं। कंपनी ने कल YouTube और Twitch पर एक लाइव प्रसारण में इस कार्यक्रम की घोषणा की।

दोनों ही मामलों में, दोनों लोग और कार्यक्रम प्रोटॉस के रूप में खेले। हालांकि TLO इस दौड़ में माहिर नहीं है, लेकिन Maaa ने गंभीर प्रतिरोध किया और फिर एक गेम भी जीत लिया।

लोकप्रिय वास्तविक समय की रणनीति में, खिलाड़ी तीन रेसों में से एक का प्रतिनिधित्व करते हैं जो संसाधनों के लिए प्रतिस्पर्धा करते हैं, संरचनाओं का निर्माण करते हैं, और बड़े मानचित्र पर लड़ते हैं। यह ध्यान रखना महत्वपूर्ण है कि कार्यक्रम की गति और युद्ध के मैदान पर इसकी दृश्यता सीमित थी ताकि अल्फास्टार को लोगों पर अनुचित लाभ नहीं मिला (सुधार: जाहिर है, दृश्यता केवल पिछले मैच में सीमित थी)। दरअसल, आंकड़ों के अनुसार, कार्यक्रम ने लोगों की तुलना में प्रति मिनट कम कार्रवाई भी की: अल्फास्टार के लिए 277 की औसत, MaNa के लिए 390, TLO के लिए 678।



वीडियो MaNa के खिलाफ दूसरे मैच में एआई एजेंट के दृष्टिकोण से खेल का दृश्य दिखाता है। मानवीय पक्ष से दृश्य भी दिखाया गया है, लेकिन यह कार्यक्रम के लिए उपलब्ध नहीं था।

अल्फास्टार को अल्फास्टार लीग नामक वातावरण में प्रोटॉस के लिए खेलने के लिए प्रशिक्षित किया गया था। सबसे पहले, तंत्रिका नेटवर्क ने तीन दिन खेल की रिकॉर्डिंग को देखने में बिताए, फिर खुद के साथ खेलकर, सुदृढीकरण प्रशिक्षण के रूप में जानी जाने वाली तकनीक का उपयोग करते हुए, कौशल का सम्मान किया।

दिसंबर में, उन्होंने पहली बार टीएलओ के खिलाफ एक खेल सत्र का आयोजन किया, जिसमें अल्फास्टार के पांच अलग-अलग संस्करणों का परीक्षण किया गया था। इस अवसर पर, TLO ने शिकायत की कि वह प्रतिद्वंद्वी के खेल के अनुकूल नहीं हो सकता है। कार्यक्रम 5-0 के स्कोर के साथ जीता।

तंत्रिका नेटवर्क की सेटिंग्स का अनुकूलन करने के बाद, माणा के खिलाफ एक हफ्ते बाद एक मैच आयोजित किया गया था। कार्यक्रम ने फिर से पांच गेम जीते, लेकिन मैना ने आखिरी गेम में एल्गोरिदम के नवीनतम संस्करण के खिलाफ बदला लिया, इसलिए उसे गर्व होना चाहिए।


विरोधियों के स्तर का आकलन जिस पर तंत्रिका नेटवर्क को प्रशिक्षित किया गया था

रणनीतिक योजना के सिद्धांतों को समझने के लिए, अल्फास्टार को विशेष सोच में महारत हासिल करनी थी। इस खेल के लिए विकसित तरीके संभावित रूप से कई व्यावहारिक स्थितियों में उपयोगी हो सकते हैं जब एक जटिल रणनीति की आवश्यकता होती है: उदाहरण के लिए, व्यापार या सैन्य योजना।

Starcraft II न केवल एक बेहद चुनौतीपूर्ण खेल है। यह अधूरी जानकारी वाला एक खेल भी है, जहाँ खिलाड़ी हमेशा अपने प्रतिद्वंद्वी के कार्यों को नहीं देख सकते हैं। इसमें एक इष्टतम रणनीति का भी अभाव है। और खिलाड़ी के कार्यों के परिणाम स्पष्ट होने में समय लगता है: इससे सीखने में कठिनाई होती है। डीपमाइंड टीम ने इन समस्याओं को हल करने के लिए एक बहुत ही विशेष तंत्रिका नेटवर्क वास्तुकला का उपयोग किया।

खेलों में सीमित सीख

DeepMind को एक सॉफ्टवेयर डेवलपर के रूप में जाना जाता है, जो दुनिया के सर्वश्रेष्ठ गो और शतरंज पेशेवरों को हराता है। इससे पहले, कंपनी ने कई एल्गोरिदम विकसित किए जो सरल अटारी गेम खेलना सीखते थे। आर्टिफिशियल इंटेलिजेंस में एडवांस मापने और लोगों से कंप्यूटर की तुलना करने के लिए वीडियो गेम्स एक शानदार तरीका है। हालांकि, यह एक बहुत ही संकीर्ण परीक्षण क्षेत्र है। पिछले कार्यक्रमों की तरह, अल्फास्टार केवल एक ही कार्य करता है, यद्यपि अविश्वसनीय रूप से अच्छी तरह से।

हम कह सकते हैं कि एक कमजोर संकीर्ण उद्देश्य एआई ने रणनीतिक योजना और युद्ध संचालन की रणनीति के कौशल में महारत हासिल की। सैद्धांतिक रूप से, ये कौशल वास्तविक दुनिया में काम आ सकते हैं। लेकिन व्यवहार में यह जरूरी नहीं है।

कुछ विशेषज्ञों का मानना ​​है कि एआई के इस तरह के अत्यधिक विशिष्ट अनुप्रयोगों का मजबूत एआई से कोई लेना-देना नहीं है: "प्रोग्राम जो" अतिमानवीय "स्तर पर विशिष्ट वीडियो गेम या बोर्ड गेम खेलना सीख गए हैं, जब स्थितियों में मामूली बदलाव (स्क्रीन पर पृष्ठभूमि बदलना या स्थिति बदलना) पूरी तरह से खो जाते हैं आभासी "मंच" "गेंद") को पीछे छोड़ते हुए, - पोर्टलैंड राज्य विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर, लेख में मेलानी मिशेल का कहना है कि एक बाधा ponima में "आर्टिफिशियल इंटेलिजेंस भाग गया माहौल " । - ये केवल कुछ उदाहरण हैं जो सर्वश्रेष्ठ एआई कार्यक्रमों की अविश्वसनीयता को प्रदर्शित करते हैं, अगर स्थिति उन लोगों से थोड़ा अलग है जिन पर उन्हें प्रशिक्षित किया गया था। इन प्रणालियों में त्रुटियां हास्यास्पद और हानिरहित से लेकर संभावित आपदा तक होती हैं। "

प्रोफेसर का मानना ​​है कि एआई व्यावसायीकरण दौड़ ने शोधकर्ताओं पर संकीर्ण कार्यों में "उचित रूप से अच्छी तरह" काम करने वाले सिस्टम बनाने के लिए बहुत दबाव डाला। लेकिन आखिरकार, विश्वसनीय AI के विकास के लिए हमारी स्वयं की क्षमताओं के गहन अध्ययन और संज्ञानात्मक तंत्र की एक नई समझ की आवश्यकता होती है, जिसका हम स्वयं उपयोग करते हैं:

जिन स्थितियों का हम सामना करते हैं, उनकी हमारी समझ दुनिया, विशेष रूप से अन्य जीवित चीजों, विशेष रूप से अन्य लोगों के लक्ष्यों, उद्देश्यों और संभावित व्यवहार के बारे में व्यापक, सहज ज्ञान युक्त "सामान्य ज्ञान अवधारणाओं" पर आधारित है। इसके अलावा, दुनिया की हमारी समझ हमारी मूलभूत क्षमताओं पर आधारित है जो हम जानते हैं कि अमूर्त अवधारणाओं को बनाने और एनालॉग्स को आकर्षित करने के लिए - संक्षेप में, लचीले ढंग से हमारी अवधारणाओं को नई परिस्थितियों में अनुकूलित करें। दशकों से, शोधकर्ताओं ने AI सहज ज्ञान युक्त सामान्य ज्ञान और सामान्य बनाने के लिए स्थायी मानव क्षमताओं को पढ़ाने के लिए प्रयोग किया है, लेकिन इस बहुत मुश्किल मामले में बहुत कम प्रगति हुई है।

अल्फास्टार न्यूरल नेटवर्क केवल अब तक प्रोटॉस के लिए खेल सकता है। डेवलपर्स ने भविष्य में अन्य दौड़ के लिए खेलने के लिए उसे प्रशिक्षित करने की योजना की घोषणा की।