مهر
اخبار
چهار عامل جمینای ۴ آرگون ماین‌کرفت را تمام کردند؛ ۲۷ ساعت بدون دخالت انسان
گوگل دیپ‌مایند می‌گوید چهار عامل جمینای ۴ آرگون، بدون هیچ دخالت انسانی و فقط با یک هدف ساده، ماین‌کرفت را از شروع تا شکست اژدهای اِندر تمام کرده‌اند؛ آن هم در ۲۷ ساعت و ۱۴ دقیقه.
لیست مطالب
۱. ماجرا از چه قرار است؟
پژوهشگران گوگل دیپ‌مایند مقاله‌ای منتشر کرده‌اند که ادعای بزرگی دارد: برای نخستین بار یک تیم از عامل‌های هوش مصنوعی همه‌منظوره، ماین‌کرفت را به‌صورت کامل و خودکار تمام کرده است. «تمام کردن» در اینجا یعنی شکست دادن اژدهای اِندر، آخرین باس بازی.
تیم از چهار بازیکن و یک ناظر تشکیل شده بود و همه‌ی آنها نسخه‌هایی از یک مدل بودند؛ همان مدلی که اخیراً به‌عنوان پرچم‌دار جدید گوگل معرفی شد. اگر درباره‌ی خود مدل کنجکاوید، آرشیو اخبار هوش مصنوعی ما را ببینید و گزارش «جمنای ۴ آرگون رسمی شد» را بخوانید.
مقاله را ماکسانس فالدور، ساتیندر سینگ و رابرتا رایلانو نوشته‌اند. نکته‌ی جالب این است که عامل‌ها هیچ استراتژی بازی از پیش دریافت نکردند و تنها یک بند توضیح درباره‌ی هدف نهایی داشتند.
۲. آزمایش چگونه تنظیم شده بود؟
بازی روی نسخه‌ی ۱.۲۰.۴ جاوا، در حالت بقا و سطح آسان، با دنیایی کاملاً تصادفی اجرا شد. تقلب‌ها خاموش بودند و هیچ انسانی در طول اجرا کمک نکرد.
عامل‌ها مثل بازیکن معمولی صفحه را نمی‌دیدند و کلید نمی‌زدند. هر بازیکن با کتابخانه‌ی متن‌باز Mineflayer و نوشتن برنامه‌های کوتاه جاوااسکریپت شخصیتش را کنترل می‌کرد. خروجی هر برنامه هم متن بود: موقعیت، سلامتی، موجودی کوله‌پشتی و خطاها.
هر عامل ابزارهای معمول یک عامل برنامه‌نویس را داشت: محیط کدنویسی با کنترل نسخه، ترمینال، ویرایش فایل، جستجوی وب و حافظه‌ی پایدار که بخشی خصوصی و بخشی مشترک بین اعضای تیم بود. برای آشنایی بیشتر با اینکه هوش مصنوعی در دنیای واقعی چه می‌تواند و چه نمی‌تواند، مطلب «توانایی‌ها و محدودیت‌های هوش مصنوعی در دنیای واقعی» مکمل خوبی است.
نقش عامل ناظر
عامل پنجم فقط ناظر بود. وظیفه‌اش بررسی ادعاهای بازیکن‌ها با سوابق ثبت‌شده بود تا اگر کسی تقلب کرد یا موفقیتی را جعل کرد، گزارش دهد. طبق مقاله، این ناظر مورد مشکوکی گزارش نکرد. البته چون خودش هم هوش مصنوعی بود، پژوهشگران نیاز به بازتولید مستقل نتایج را یادآوری می‌کنند.
۳. اعداد کلیدی این اجرا
مدت اجرا از اولین برنامه تا برد نهایی ۲۷ ساعت و ۱۴ دقیقه بود که حدود ۸۱ روز درون‌بازی را پوشش می‌داد. شش بار هم سرور ری‌استارت شد که مجموعاً حدود ۲۰ دقیقه دنیا را متوقف کرد.
تا لحظه‌ی پیروزی ۲٬۷۸۳ برنامه اجرا شد و ۲۲۹ پیام بین عامل‌ها رد و بدل شد. تعداد مرگ‌ها ۶۰۵ بار بود که ۶۹ مورد آن در سرزمین اِندر رخ داد. حدود ۲۲ درصد برنامه‌ها هم با خطا پایان یافتند.
از نظر مصرف، بازیکن‌ها حدود ۱٫۳۵ میلیارد توکن ورودی و ۱۶ میلیون توکن خروجی مصرف کردند و نزدیک ۲۴ هزار بار مدل را صدا زدند. هزینه‌ی بازیکن‌ها با قیمت معرفی حدود ۵۲۰ دلار و با قیمت استاندارد حدود ۱٬۰۴۰ دلار برآورد شده است. کل جلسه، با احتساب ناظر و فعالیت‌های بعد از برد، حدود ۸۱۰ دلار شد. پژوهشگران یادآوری می‌کنند که این‌ها هزینه‌ی واقعی سرویس‌دهی نیستند و بر اساس قیمت فهرست محاسبه شده‌اند.
۴. مراحل پیشرفت تیم
پیشرفت تیم را می‌شود در چند نقطه‌ی عطف خلاصه کرد. پورتال نادر بعد از یک ساعت و ۴۲ دقیقه روشن شد. بعد از آن عامل‌ها با یک برنامه‌ی دست‌نویس برای تقاطع مسیر چشم‌های اِندر، موقعیت دژ را حدس زدند و تخمینشان فقط حدود ۴۳ متر با اتاق پورتال فاصله داشت.
پورتال اِندر در ساعت سیزدهم و ۱۷ دقیقه روشن شد. سخت‌ترین بخش ماجرا از همین‌جا شروع شد، چون اژدها بارها اعضای تیم را کشت و مبارزه‌ی نهایی نزدیک ۱۴ ساعت طول کشید.
راه‌حل از یک کشف ساده اما کلیدی آمد: ده کریستال شفابخش مدام سلامتی اژدها را بازمی‌گرداندند. عامل‌ها با چیدن بلوک خاک به بالای ستون‌ها رسیدند و در حدود چهار ساعت و چهل دقیقه همه‌ی کریستال‌ها را نابود کردند. ۳۹ دقیقه بعد از نابودی آخرین کریستال، اژدها شکست خورد.
۵. رفتار تیمی که کسی برنامه‌اش را نریخته بود
جالب‌ترین بخش مقاله شاید رفتارهای خودجوش تیم باشد. هیچ نقشی تعیین نشده بود، اما طبق گزارش، عامل‌ها ظرف چند دقیقه کارها را تقسیم کردند: یکی تدارکات و جمع‌آوری منابع را برعهده گرفت، دیگری سراغ ردیابی دژ رفت و بقیه آماده‌ی مراحل بعدی شدند.
آنها ۱۴۶ قطعه حالت یا کد پایدار ساختند که ۴۲ مورد آن تابع کمکی بود. یک تابع اصلاح‌شده‌ی خاص در ۶۵۵ برنامه تکرار شد؛ یعنی ابزارهایی که خودشان ساخته بودند واقعاً مدام استفاده می‌شد.
مثال‌های دیگر هم هست: بازیکنی که غرق شده بود و چشم‌های اِندر همراهش بود، با زمان‌بندی دقیق توسط هم‌تیمی نجات پیدا کرد، و وقتی یک عامل اعلام موفقیت اشتباه کرد، خودش آن را پس گرفت و هم‌تیمی‌اش هم یک ادعای غیرممکن را علامت زد. این‌ها نشانه‌ای از تصحیح خودکار در تیم است.
مقایسه با کارهای قبلی
پژوهش‌های پیشین مثل Voyager و چند سامانه‌ی دیگر معمولاً روی اهداف ساده‌تر دنیای عادی، مثل ساخت ابزار الماسی، تمرکز داشتند و از برنامه‌ریز، کتابخانه‌ی مهارت یا کمک انسانی استفاده می‌کردند. نویسندگان می‌گویند تفاوت کارشان این است که عامل‌ها فقط کتابخانه‌ی استاندارد، یک بند هدف و دستورالعمل کلی داشتند. با این حال، دو پروژه‌ی جامعه‌ی کاربری هم قبلاً کشتن اژدها را گزارش کرده بودند؛ فقط شرایطشان فرق داشت.
۶. محدودیت‌هایی که خود پژوهشگران گفته‌اند
پژوهشگران خودشان چند محدودیت مهم را برشمرده‌اند. نخست اینکه Mineflayer اطلاعات دقیق بلوک‌ها و موجودات را در اختیار عامل می‌گذارد، حتی از پشت سنگ؛ چیزی که انسان نمی‌بیند. بازی از روی تصویر خام بسیار سخت‌تر است.
دوم اینکه بازی روی سطح آسان اجرا شد؛ هیولاها ضعیف‌ترند و گرسنگی هم کشنده نیست. سوم اینکه مدل احتمالاً از آموزش خود دانش زیادی درباره‌ی ماین‌کرفت و Mineflayer دارد، پس آزمایش بیشتر توانایی به‌کارگیری دانش در یک کار طولانی را می‌سنجد، نه یادگیری یک بازی کاملاً ناشناخته.
چهارم، ۶۰۵ مرگ و ۲۲ درصد خطا نشان می‌دهد مسیر همواره هموار نبود. و آخر اینکه این فقط یک اجرا بود و قابلیت اطمینان را ثابت نمی‌کند. به همین دلیل تحلیل‌گران توصیه می‌کنند نتیجه را با احتیاط بخوانید و منتظر بازتولید مستقل بمانید.
۷. چرا این خبر اهمیت دارد؟
ماین‌کرفت برای پژوهشگران هوش مصنوعی یک آزمایشگاه بصری و کم‌خطر است. اگر عامل‌ها بتوانند در آن برنامه‌ریزی بلندمدت کنند، از شکست‌ها بازیابی شوند و بین خود هماهنگی داشته باشند، همین مهارت‌ها برای کارهای سنگین نرم‌افزاری و سازمانی هم لازم است.
نویسندگان می‌گویند تماشای هماهنگی تیم‌های عامل در محیطی که همه‌چیزش دیدنی است، راهی برای فهمیدن این سامانه‌ها پیش از سپردن کار واقعی به آن‌هاست. این استدلال با روند کلی بازار هم هم‌خوان است؛ برای نمونه، نگاه کنید به مطلب «اهمیت هوش مصنوعی در کسب‌وکار» تا ببینید چرا تیم‌های عامل برای شرکت‌ها جذاب‌اند.
در عین حال باید فاصله را دید. ماین‌کرفت قوانین ثابت و بازخورد سریع دارد؛ دنیای واقعی نه. تیمی که در بازی ۶۰۵ بار می‌میرد، در بانک یا بیمارستان نمی‌تواند چنین هزینه‌ای بپردازد.
۸. درس عملی برای کاربران و توسعه‌دهندگان
برای کاربران عادی، پیام اصلی این است که عامل‌های هوش مصنوعی از دستیار تک‌مرحله‌ای به سمت تیم‌های بلندمدت می‌روند. کیفیت دستور اولیه همچنان مهم است؛ اگر می‌خواهید در نوشتن دستور بهتر شوید، راهنمای «نوشتن پرامپت برای مبتدیان» نقطه‌ی شروع خوبی است و در آموزش‌های چت‌جی‌پی‌تی هم مثال‌های بیشتری هست.
برای توسعه‌دهندگان، سه ایده در مقاله برجسته است: حافظه‌ی مشترک بین عامل‌ها، ساخت ابزار قابل استفاده‌ی دوباره، و یک ناظر مستقل برای بررسی ادعاها. هر سه را می‌توان در سامانه‌های کاری هم به‌کار برد، هرچند هنوز باید با آزمون و سخت‌گیری همراه باشد. همچنین مقایسه‌ی «توهم برنامه‌نویس تنها در برابر مهندس واقعی» نشان می‌دهد چرا کار تیمی و راستی‌آزمایی در پروژه‌های جدی اهمیت دارد.
۹. پرسش‌های متداول
آیا هوش مصنوعی واقعاً ماین‌کرفت را تمام کرد؟
بله، طبق گزارش پژوهشگران دیپ‌مایند، چهار عامل جمینای ۴ آرگون در یک دنیای تصادفی اژدهای اِندر را شکست دادند. این ادعا هنوز فقط از طرف خود پژوهشگران است و تأیید مستقل ندارد.
چرا ۶۰۵ بار مردند؟
سرزمین اِندر و مبارزه با اژدها بسیار خطرناک است و عامل‌ها باید از شکست یاد می‌گرفتند. مرگ در بازی هزینه‌ی کمی دارد و تیم از آن برای آزمون و خطا استفاده کرد.
آیا آنها از روی تصویر بازی کردند؟
خیر. آنها با کتابخانه‌ی Mineflayer برنامه می‌نوشتند و اطلاعات متنی دریافت می‌کردند. بازی از روی پیکسل‌ها هنوز بسیار سخت‌تر است.
آیا این به معنای آماده بودن عامل‌ها برای کارهای حساس است؟
نه لزوماً. پژوهشگران خودشان می‌گویند نمی‌دانند این توانایی‌ها به محیط‌های پیش‌بینی‌ناپذیر و پرخطر منتقل می‌شود یا نه. این فقط یک اجرا بود.
هزینه‌ی این آزمایش چقدر بود؟
هزینه‌ی بازیکن‌ها با قیمت معرفی حدود ۵۲۰ دلار و با قیمت استاندارد حدود ۱٬۰۴۰ دلار برآورد شده است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
