ゲームをプレイする人工知能モデルは何十年も前から存在していますが、通常は 1 つのゲームに特化し、勝つことに重点を置いています。研究者 でログイン Deepmind には別の目標があります。それは、口頭での指示を理解してそれに従うよう最善を尽くしながら、人間のように複数の 3D ゲームをプレイする方法を学習するモデルを作成することです。彼らは、Scalable、Instructable、Multiworld Agent の略で現在研究中の SIMA モデルを導入しました。
時間が経つにつれて、SIMA は、ゲームの最後まで直線的なパスがないゲームやオープンワールド ゲームであっても、あらゆるビデオ ゲームのプレイ方法を学習します。このアルゴリズムは既存のゲームのアルゴリズムを置き換えることを目的としたものではありませんが、 AI、むしろ彼をパートナーや仲間として考えることができます。自然言語学習と 3D 世界の理解および画像認識を組み合わせます。
https://twitter.com/GoogleDeepMind/status/1767918515585994818
同社は、Hello Games、Embr など、さまざまなゲーム開発者と協力してきました。acer、Tuxedo Labs、Coffee Stain などが SIMA のトレーニングとテストを行っています。研究者らは、SIMA を No Man's Sky、Teardown、Valheim、Goat Simulator 3 などのゲームに接続し、AI エージェントにゲームの基本的なプレイ方法を教えました。
チームは、SIMA が一般的なゲーム スキルを習得できるように、物語指向よりもオープンエンドなゲームを選択しました。 Goat Simulator のウォークスルーをプレイしたり視聴したりしたことがある方なら、ランダムで自発的なことを行うことがこのゲームの本質であることをご存知でしょう。チームは、まさにそれが SIMA に教えたい自発性の種類だと述べています。
これを行うために、チームはまず Unity エンジンで新しい環境を作成しました。それから でログイン プレーヤーのペアを記録し、600 人がゲームを主導し、もう 人が次に何をすべきかを指示し、口頭での指示を記録します。その後、選手たちは自分たちの行動がゲームにどうつながるかを自らプレーして見せました。これらすべてが SIMA に供給され、エージェントは画面上で次に何が起こるかを予測できるようになりました。 SIMA は現在、左折や階段の昇りなど、約 の基本的なスキルを備えていますが、最終的にはより複雑な機能を学習する予定です。
SIMA は、ゲームのような人工知能を備えた NPC ではありません。 NVIDIA そしてコンバイは、試合の結果に影響を与えるもう一人のプレイヤーです。 SIMA プロジェクトの共同ディレクターであるフレデリック・ベス氏は、このような AI エージェントが研究以外のゲームにどのような応用が見込めるかを語るのはまだ時期尚早であると述べています。しかしGoogleは、より高度なモデルを搭載すると述べた AI SIMA は最終的にはより複雑なタスクを実行できるようになり、理想的なパートナーになるでしょう。
また読む：