Dlaczego gry są idealne do trenowania AI

• Przez dziesięciolecia postępy w dziedzinie sztucznej inteligencji były testowane w grach.
• Gry stanowią swoisty poligon szkoleniowy dla AI do nauki i rozwoju. 
• Trening sztucznej inteligencji w grach takich jak Gran Turismo, Minecraft i StarCraft może przełożyć się na rzeczywiste zastosowania – od autonomicznej jazdy po zarządzanie biznesem.
• Rozmawialiśmy z Kennethem Stanleyem – ekspertem w dziedzinie AI i twórcą ewolucyjnego algorytmu genetycznego NEAT, często wykorzystywanego do szkolenia sztucznej inteligencji w grach.
• Popraw swoje gamingowe doświadczenia dzięki VPN, aby zmniejszyć ping i lagi.

Sztuczna inteligencja trafiła kiedyś na pierwsze strony gazet za pokonanie mistrzów świata w szachach i warcabach. Dziś możliwości AI są testowane w grach wideo typu Gran Turismo i Starcraft. 

W tych grach nie chodzi jednak tylko o to, by sprawdzić, jak inteligentne są maszyny. Oferują one cenny trening dla sztucznej inteligencji, pozwalając jej uczyć się podczas gry. W niniejszym artykule przyjrzymy się tej dynamice i potencjalnym zastosowaniom AI w prawdziwym świecie.

Krótka historia AI w grach

Ewolucja sztucznej inteligencji w grach wywodzi się z koncepcji „gry w naśladownictwo” Alana Turinga w latach pięćdziesiątych XX wieku. Śmiałe pytanie Turinga „Czy maszyny potrafią myśleć?” przygotowało grunt pod fascynującą podróż do świata AI i gamingu.

W swoim eksperymencie Turing zaproponował test, który na zawsze ukształtował krajobraz sztucznej inteligencji. W grze w naśladownictwo ludzki sędzia miałby czatować zarówno z ludzkim uczestnikiem, jak i maszyną. Jeśli sędzia nie byłby w stanie konsekwentnie rozróżniać odpowiedzi człowieka i maszyny, uznano by, że maszyna zdała test, osiągając poziom biegłości konwersacyjnej zbliżony do ludzkiej inteligencji.

Wizjonerska koncepcja Turinga zapoczątkowała badania nad skrzyżowaniem ludzkiego poznania i możliwości maszyn. Podważyła ona konwencjonalne pojęcie inteligencji i zapoczątkowała dążenie do stworzenia maszyny, która mogłaby naśladować ludzkie procesy myślowe.

Informatyk Arthur Samuel stworzył termin „machine learning” (ang. uczenie maszynowe) w 1959 roku. Innowacyjne połączenie sztucznej inteligencji i gamingu Samuela zmaterializowało się w programie do gry w warcaby. Program ten był inny niż wszystkie poprzednie. Dzieło Samuela potrafiło uczyć się na własnych błędach, stopniowo udoskonalając rozgrywkę i strategię.

Powstanie programu do gry w warcaby stanowiło przełomowy moment, ponieważ zilustrowało to potencjał maszyn nie tylko do wykonywania zaprogramowanych instrukcji, ale także do autonomicznego dostosowywania się i ulepszania. To było kluczowe odkrycie w kwestii ewolucji sztucznej inteligencji w grach.

AI dopiero się rozkręcała. W 1997 r. Deep Blue od IBM zmierzył się z aktualnym mistrzem szachowym, Garrym Kasparowem, w historycznym meczu na sześć partii. Wynik – zwycięstwo Deep Blue – zmienił postrzeganie możliwości sztucznej inteligencji. Strategiczne umiejętności programu i zdolność do przechytrzenia ludzkiego arcymistrza zwiastowały nową erę – erę, w której maszyny mogły zacząć rywalizować z ludzkim intelektem w dziedzinie strategii i taktyki.

Początki AI w grach przygotowały grunt pod dalsze postępy, a zdumiewające rezultaty miały dopiero nadejść. Od triumfu AlphaGo w złożonej grze Go po tworzenie potężnych wirtualnych przeciwników w nowoczesnych grach wideo – ewolucja sztucznej inteligencji nadal urzeka i redefiniuje krajobraz gier, przesuwając granice interakcji człowiek-maszyna i torując drogę do przyszłości, w której gry i AI są nieodłączne.

Gry jako idealny plac zabaw dla sztucznej inteligencji

Wybitne laboratoria AI (także te w Sony, Google i Microsoft) opracowały techniki, które umożliwiają programom komputerowym pokonywanie skomplikowanych gier planszowych i wciągających gier wideo z niespotykaną biegłością.

Kenneth Stanley, były team leader Open-Endedness Team z OpenAI (pomaga rozwijać samouczącą się sztuczną inteligencję, która potrafi dostosowywać się do nowych zadań i środowisk), wprowadził NeuroEvolution of Augmenting Topologies (NEAT) – algorytm genetyczny, czyli inspirowany mutacjami i zwrotnicami występującymi w ewolucji biologicznej. Deweloperzy stosują ten algorytm do obliczeń w czasie rzeczywistym w grach wideo, takich jak edukacyjne NERO i kultowe pozycje typu Mario Bros. i gra planszowa Monopoly. Dynamiczna sieć neuronowa NEAT dostosowuje się do działań gracza podczas rozgrywki.

Dla Stanleya gry stanowią idealne pole do testowania algorytmów takich jak NEAT. „W przeciwieństwie do kosztownego sprzętu robotycznego, gry wymagają mniej zasobów i pozwalają na szybkie eksperymenty ze sztuczną inteligencją bez rzeczywistego ryzyka” – wyjaśnia w ekskluzywnym wywiadzie dla ExpressVPN. 

Dla AI gry stanowiły nie tylko testy, ale także cenne sesje treningowe. „W niektórych przypadkach motywacją jest faktycznie ulepszenie gry, ale głównie chodzi o ulepszenie sztucznej inteligencji” – mówi Stanley. „Gry działają jako narzędzie do zwiększania możliwości AI”.

W niektórych przypadkach motywacją jest faktycznie ulepszenie gry, ale głównie chodzi o ulepszenie sztucznej inteligencji. Gry działają jako narzędzie do zwiększania możliwości AI

Chociaż symulatory jazdy nie są przystosowane do AI, Stanley zauważa, że AI potrafi grać w gry takie jak Gran Turismo, a faktyczne szkolenie przy użyciu Gran Turismo doprowadziło do stworzenia GT Sophy – sztucznej inteligencji z potencjalnymi zastosowaniami w autonomicznych samochodach. „Innym dobrym przykładem jest Minecraft z jego nieograniczonymi możliwościami” – mówi. „Pozwala on na przybliżenie rzeczywistych scenariuszy. Gry są najbardziej zaawansowanym rodzajem symulatorów”.

Unikalne połączenie ograniczonego, kontrolowanego środowiska i swobodnej przestrzeni twórczej w grach sprawia, że są one świetne pod kątem wypróbowywania metod sztucznej inteligencji. Pomaga to w rozwoju AI i oferuje przydatne informacje przydatne w rozwiązywaniu rzeczywistych problemów.

Przykłady uczenia się AI za pomocą gier wideo i ich szersze zastosowanie

Pewnie uważasz, że dużo zyskujesz dzięki grom (rozrywka, emocje itd.), ale sztuczna inteligencja może zdobyć jeszcze więcej – inteligencję, która ma liczne zastosowania w innych dziedzinach. Oto kilka przykładów:

• GT Sophy – sztuczny kierowca wyścigowy w Gran Turismo od Sony – jest szkolony poprzez uczenie posiłkowane, kiedy przez wiele godzin ściga się z wirtualnymi samochodami. W przyszłości może to znaleźć zastosowanie przy tworzeniu autonomicznych samochodów i dronów.
• Naukowcy z Microsoftu testują sztuczną inteligencję, która pozwala użytkownikom budować swoje światy w Minecrafcie za pomocą prostych poleceń, a nie wielu godzin ręcznego klikania. Może to pomóc osobom, które mają trudności z tradycyjnym sterowaniem w grach, a także prowadzić do powstania szerszych rozwiązań w zakresie dostępności.
• AI grająca w klasyczną grę Q*bert odkryła i wykorzystała nieznany wcześniej błąd, który pozwolił jej zdobyć nieograniczoną liczbę punktów. Sztuczna inteligencja próbowała po prostu znaleźć najlepsze rozwiązanie i nieumyślnie wykryła błąd. To dobrze wróży algorytmom ewolucyjnym, gdzie sztuczna inteligencja jest delikatnie modyfikowana w celu znalezienia najlepiej działającej wersji.
• Uczenie AI podbijania StarCrafta – złożonej wieloosobowej gry strategicznej – tak naprawdę uczy jej zarządzania. Wyzwania w grze odzwierciedlają rzeczywiste zadania typu podejmowanie decyzji, budowanie strategii i zarządzanie zasobami. Zwycięstwo sztucznej inteligencji pokazałoby, że algorytmy mogą opanować rzeczywiste zadania.
• Naukowiec z University of Cambridge stworzył agenta AI, który może kontrolować postacie w symulatorze walki Pokemon Showdown, gdzie drużyny składające się z sześciu Pokemonów rywalizują z innymi. Sztuczna inteligencja analizuje zespoły w oparciu o mocne i słabe strony postaci, a potem przewiduje wyniki. Może to zainspirować technologie zdolne do zarządzania zespołami w niepewnych środowiskach, takich jak strefy wojenne.

Dlaczego ludzie wciąż mogą pokonać AI w grach

Pomimo postępów w dziedzinie AI, nadal istnieją gry, w których dominuje ludzka ekspertyza. Gry takie jak Osadnicy z Catanu, Dungeons & Dragons (D&D) i Karty przeciwko ludzkości są doskonałymi przykładami wyzwań, z którymi zmaga się sztuczna inteligencja. Nawet w grach takich jak Gran Turismo, Pokémon i Monopoly, ludzie wciąż mogą przyćmić AI.

„Sztuczna inteligencja prawdopodobnie w końcu opanuje wszystkie konwencjonalne gry, ale najpierw powinniśmy zadać sobie pytanie, co definiujemy jako grę” – mówi Stanley. „Kiedy gry zbliżają się do poziomu złożoności prawdziwego życia – np. projektowanie maszyn lub budowanie rakiet – sztuczna inteligencja miałaby kłopoty. Jeśli w grę wchodzi kreatywność i zbyt duża swoboda, AI będzie miała trudności z prześcignięciem ludzkich zawodników. W przyszłości, jednak, to może ulec zmianie”.

Przyszłość stoi pod znakiem zapytania, ponieważ naukowcy dążą do opracowania silnej sztucznej inteligencji (AGI), czyli AI, która jest w stanie wykonać każde zadanie tak dobrze, jak człowiek. Jednak metody szkolenia są nadal enigmą. „W tej chwili nie wiemy, jak nauczyć sztuczną inteligencję, by wykazała się prawdziwą kreatywnością i wymyśliła coś całkowicie nowego. Zdarza się to w małych, ograniczonych światach gier, ale prawdziwy świat nie jest mały i ograniczony” – wyjaśnia Stanley. „AI brakuje instynktu, ale by ją tego nauczyć, musimy najpierw wiedzieć, z czym wiąże się instynkt”.

W tej chwili nie wiemy, jak nauczyć sztuczną inteligencję, by wykazała się prawdziwą kreatywnością i wymyśliła coś całkowicie nowego. AI brakuje instynktu, ale by ją tego nauczyć, musimy najpierw wiedzieć, z czym wiąże się instynkt

Obecne ograniczenia AI wynikają z dostępności danych i jej zdolności do radzenia sobie ze skomplikowanymi, otwartymi zadaniami. Stanley wyjaśnia, że gromadzenie obszernych danych niezbędnych do szkolenia AI, w połączeniu z konstruowaniem sieci zdolnych do przyswajania tychże danych, stanowi ogromne wyzwanie. Co więcej, zależność sztucznej inteligencji od informacji tekstowych i jej zmagania z aspektami niewerbalnymi lub niewysłowionymi dodatkowo komplikują sprawę. Istniejące modele sztucznej inteligencji mają również trudności ze zrozumieniem chronologii, czyli kluczowego elementu w zrozumieniu nowych i skomplikowanych procesów.

Rozwiązanie może ponownie czaić się w świecie gier. Naukowcy twierdzą, że Dungeons & Dragons – gra znana ze współpracy i storytellingu, może służyć jako inkubator dla AGI. Beth Singler, antropolog cyfrowy z Uniwersytetu w Zurychu, przedstawiła „test Elf Ranger” jako alternatywę dla testu Turinga. Test ten sugeruje, że jeśli sztuczna inteligencja może sprawnie angażować się w D&D, to być może zbliża się do osiągnięcia statusu AGI.

Przyszłość AI w grach i nie tylko

Patrząc w przyszłość, rola sztucznej inteligencji w grach będzie jeszcze bardziej istotna. Jednym z wyraźnych trendów jest wykorzystanie narracyjnej, społecznej i edukacyjnej AI, żeby gry były jeszcze bardziej wciągające i realistyczne. Na przykład w Fortnite wprowadzono boty do szkolenia nowych graczy i taki system dobierania, który łączy zawodników o zbliżonych umiejętnościach. Postępy w zakresie AI poczynione w grach takich jak Starcraft II i Dota 2 sprawiają, że gry są bardziej konfigurowalne, a także potrafią dostosowywać się w czasie rzeczywistym do umiejętności, preferencji i taktyk poszczególnych graczy.

Aby bez obaw korzystać ze sztucznej inteligencji, należy postrzegać ją jako narzędzie wzmacniające ludzkie umiejętności.

Poza światem gier, sztuczna inteligencja ma potencjał, aby przyczynić się do rozwiązania skomplikowanych globalnych problemów, takich jak zmiany klimatyczne i kwestie opieki zdrowotnej. Obietnica ta wiąże się jednak z pewną obawą: co, jeśli AI osiągnie emocje i zdolności poznawcze?

Wciąż prowadzone są debaty na temat możliwych negatywnych skutków korzystania ze sztucznej inteligencji. „Niepokój waha się od praktycznych problemów, takich jak dezinformacja lub utrata pracy przez ludzi, po scenariusze rodem z Terminatora, takie jak koniec cywilizacji. Jednak bez względu na stopień ryzyka, każdy chce mieć pewność, że prawdopodobieństwo jest zerowe” – mówi Stanley. „Ostatecznie wszystko zależy od kreatywności. Jeśli przekroczymy pewną barierę, świat nie będzie wyglądał tak samo i ciężko sobie wyobrazić, co to właściwie będzie. Wiemy jednak, że prawdziwym źródłem ludzkiej przyjemności nie jest konsumpcja. Radość z bycia człowiekiem polega na wyrażaniu siebie i kreatywności. Jak więc możemy się chronić?”

Rozwiązanie tych kwestii ma kluczowe znaczenie dla kształtowania zrównoważonej przyszłości. Stanley opowiada się za przyjęciem rozwoju AI zamiast odwrotu. „Aby bez obaw korzystać ze sztucznej inteligencji, należy postrzegać ją jako narzędzie wzmacniające ludzkie umiejętności” – mówi.

Popraw swoje gamingowe wrażenia

Obojętnie, czy walczysz z międzygwiezdnymi demonami, tworzysz dziwaczne nowe światy od podstaw, czy też prowadzisz swoją drużynę do playoffów – integracja VPN, takiego jak ExpressVPN, może poprawić Twoje wrażenia z gry.  

Dzięki przyjaznym dla użytkownika aplikacjom dostosowanym do szeregu głównych platform, ExpressVPN obniża ping, optymalizuje prędkość i zapewnia stabilność, a także chroni przed atakami DDoS i „dławieniem” transferu przez dostawcę usług internetowych. Dodatkowo, warto rozważyć aplikację ExpressVPN dla kompatybilnych routerów, która rozszerza ochronę na wszystkie urządzenia w sieci, w tym konsole do gier, na których nie da się bezpośrednio zainstalować VPN. ExpressVPN zapewnia swobodny gaming, oferując Ci nieograniczony dostęp do ulubionych gier w dowolnym miejscu, co oznacza, że możesz grać ze znajomymi na całym świecie.