Καλώς ορίσατε στις Υπηρεσίες Έρευνας και Στρατηγικής στους σημερινούς γρήγορους ρυθμούς.
Στην τελευταία μάχη ανθρώπου εναντίον μηχανής, επιτεύχθηκε μια νέα παγκόσμια πρωτιά - η Τεχνητή Νοημοσύνη έχει νικήσει κορυφαίους παίκτες eSports στο δικό τους παιχνίδι. Με την ονομασία Starcraft II, αυτό το δημοφιλές παιχνίδι στρατηγικής σε πραγματικό χρόνο απαιτεί γρήγορη λήψη αποφάσεων, διαχείριση πόρων και ρευστή τακτική αντί για μάχη τύπου πέτρα-ψαλίδι-χαρτί. Ας ρίξουμε μια ματιά στο γιατί αυτό είναι τόσο σημαντικό και πώς επιτεύχθηκε.
Όπως καλύψαμε σε ένα πρόσφατο ιστολόγιο, οι νέες προσεγγίσεις μηχανικής νοημοσύνης έχουν τροφοδοτήσει τεράστια άλματα στην Τεχνητή Νοημοσύνη (ΤΝ) τα τελευταία χρόνια. Το κύριο πεδίο δοκιμής μέχρι σήμερα είναι η αρένα των επιτραπέζιων παιχνιδιών στρατηγικής όπως το σκάκι και το Go. Για αυτόν τον νέο τομέα, η Google χρησιμοποίησε ένα έργο που ονομάζεται Deep Mind, ένα σύστημα που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα, τα οποία βασίζονται εν μέρει στον τρόπο με τον οποίο ένας ανθρώπινος εγκέφαλος επεξεργάζεται πολύπλοκες πληροφορίες.
Αυτή η νέα μορφή προσαρμοστικής τεχνητής νοημοσύνης μπορεί τόσο να μαθαίνει από ειδικούς όσο και να μαθαίνει ανεξάρτητα παίζοντας προσομοιώσεις της ίδιας της. Αν και δεν απαιτεί υπερυπολογιστές, χρειάζεται πολλή εξάσκηση, η οποία επιταχύνεται σημαντικά με τις σημερινές σύγχρονες τεχνολογίες επεξεργαστών. Ωστόσο, τα αποτελέσματα με το σκάκι και το Go ήταν εκπληκτικά, με την Deep Mind AI να δημιουργεί νέα επίπεδα στρατηγικού παιχνιδιού πολύ ανώτερα από τους καλύτερους ανθρώπινους παίκτες στον κόσμο.
Τα επιτραπέζια παιχνίδια έχουν σχετικά απλούς κανόνες, ενώ παρουσιάζουν πολυπλοκότητα μέσω πολλών πιθανών επαναλήψεων των αποτελεσμάτων του παιχνιδιού. Παιχνίδια υπολογιστή όπως το Starcraft II είναι πολύ πιο περίπλοκα επειδή έχουν πολύ μεγάλο αριθμό επιλογών παιχνιδιού και πολύ νωρίς σε κάθε παιχνίδι. Μπορούν επίσης να περιλαμβάνουν ατελείωτες ποσότητες μονάδων, οι οποίες περιορίζονται πολύ λιγότερο από τους κανόνες παιχνιδιού στους οποίους περιορίζονται τα πιόνια και τα κομμάτια Go. Τέλος, υπάρχουν πολλοί διαφορετικοί τύποι μονάδων με πολλαπλές ικανότητες, οι οποίες μπορούν να συνδυαστούν με μυριάδες τρόπους.
Αυτοί οι παράγοντες παρουσιάζουν τεράστιες προκλήσεις για την Τεχνητή Νοημοσύνη, επειδή συνορεύουν με τα πεδία της δημιουργικότητας - παραδοσιακά ένα ανθρώπινο χαρακτηριστικό. Ωστόσο, μία από τις μοναδικές πτυχές του Deep Mind είναι η ικανότητά του να μαθαίνει πειραματικά μέσω δοκιμής και λάθους... μέχρι τον Νιοστό βαθμό.
Με μια νέα εξειδικευμένη τεχνητή νοημοσύνη που ονομάζεται AlphaStar, η ομάδα της Google πίσω από το Deep Mind ένιωσε αρκετή αυτοπεποίθηση ώστε να εξαπολύσει την τεχνητή νοημοσύνη που βασίζεται στο Starcraft II ενάντια στους κορυφαίους επαγγελματίες παίκτες eSports του παιχνιδιού.
Αντιμετωπίζοντας δύο αντιπάλους σε ένα περιβάλλον δοκιμών, τα αποτελέσματα ήταν συγκλονιστικά. Σε 10 συνεχόμενες νίκες, νίκησε και τους δύο παίκτες με 5-0. Δεν ήταν στην πραγματικότητα μία Τεχνητή Νοημοσύνη που τους νίκησε - ήταν 5 διαφορετικές εξελίξεις της Τεχνητής Νοημοσύνης, καθεμία με τα δικά της πολύ ξεχωριστά στυλ παιχνιδιού.
Οι ήττες ήταν ένα αξιοσημείωτο επίτευγμα, δεδομένης της πολυπλοκότητας του παιχνιδιού και του επιπέδου απόδοσης που επιτυγχάνουν τα αστέρια των eSports. Αυτοί οι παίκτες φημίζονται για την ικανότητά τους να εκτελούν εκατοντάδες ενέργειες ανά λεπτό, με αστραπιαίες αντιδράσεις. Παραδόξως, η ικανότητα του AlphaStar δεν ήταν στην πραγματικότητα σε αυτόν τον υποτιθέμενα κατάλληλο για μηχανές τομέα. Στην πραγματικότητα, είχε πιο αργές αντιδράσεις και λιγότερες ενέργειες ανά λεπτό, αλλά ήταν ανώτερο σε απόδοση όσον αφορά τις πραγματικές ενέργειες που εκτελούσε.
Εκεί που διέπρεψε περισσότερο ήταν στην έξυπνη και δημιουργική φύση του παιχνιδιού, και ήταν η απόλυτη ποικιλομορφία των πρωτοφανών στρατηγικών παιχνιδιού που ξεγέλασε τα αστέρια των eSports.
Σε ανθρώπινες χρονικές κλίμακες, η ικανότητα του AlphaStar φαινόταν να εμφανίζεται από το πουθενά. Σε μηχανικές χρονικές κλίμακες χρειάστηκε αρκετός χρόνος. Η πρώτη έκδοση με τεχνητή νοημοσύνη δημιουργήθηκε μελετώντας τεράστιους αριθμούς παιχνιδιών επαγγελματιών παικτών. Αυτό το έφερε στο επίπεδο ενός επαγγελματία παίκτη χαμηλότερης κατηγορίας, αλλά έχει ακόμα πολύ δρόμο να διανύσει για να φτάσει τους κορυφαίους επαγγελματίες.
Η επόμενη φάση ήταν η πραγματική μαγεία της Τεχνητής Νοημοσύνης. Αυτό επέτρεψε στο AlphaStar να πάρει την προσομοιωμένη γνώση, να πειραματιστεί με αυτήν και να μάθει από τον εαυτό του. Σε μία εβδομάδα εξάσκησης στο «AlphaStar League», προσομοίωσε περίπου 200 χρόνια παιχνιδιού σε διάφορες εκδοχές του εαυτού του.
Από τους αλγόριθμους αυτοδιδασκαλίας προέκυψαν 5 πολύ διαφορετικά στυλ παιχνιδιού με ανώτερα νικηφόρα αποτελέσματα. Η ομάδα Deep Mind τα ονόμασε, κάπως δυσοίωνα, «πράκτορες».
Αυτές οι Τεχνητές Νοημοσύνης ήταν που αντιμετώπισαν τους επαγγελματίες παίκτες. Στον δεύτερο αγώνα, ένας αστέρας των eSports ονόματι PLO, έμεινε κάπως άναυδος από το γεγονός ότι η στρατηγική της Τεχνητής Νοημοσύνης στον δεύτερο αγώνα ήταν εντελώς διαφορετική από την πρώτη.
Αυτό οδήγησε τους σχολιαστές να αναφέρονται συχνά στην Τεχνητή Νοημοσύνη ως «τρομακτική» ή «τρομακτική». Σε κάποιες στιγμές το παιχνίδι έμοιαζε ακριβώς με έναν κορυφαίο επαγγελματία παίκτη, αλλά ξαφνικά μπορούσε να μεταμορφωθεί σε ολοκαίνουργιες στρατηγικές – συντονίζοντας πολλαπλές πλευρικές επιθέσεις και αποκτώντας τον απόλυτο έλεγχο του χάρτη.
Αντί να δυσανασχετούν που είχαν ηττηθεί απελπιστικά από αυτές τις πρώτες εισβολές του Deep Mind στα eSports, οι ηττημένοι επαγγελματίες παίκτες ενδιαφέρθηκαν για τις νέες στρατηγικές και τις γνώσεις σχετικά με το πώς θα μπορούσε να εξελιχθεί το meta-game.
Αντί για την Τεχνητή Νοημοσύνη έναντι του Ανθρώπου, για τα eSports, αυτοί οι πράκτορες θα μπορούσαν επίσης να χρησιμοποιηθούν για την εκπαίδευση ενάντια στους πιο δύσκολους αντιπάλους, για να προωθήσουν την ανάπτυξη των δεξιοτήτων τους. Επιπλέον, με εξειδικευμένη ανάπτυξη, θα μπορούσαν να χρησιμοποιηθούν για την ανακάλυψη αποτελεσματικών στρατηγικών αντεπίθεσης ενάντια σε αντιπάλους υψηλού επιπέδου με προβλέψιμα στυλ παιχνιδιού.
Όπως έχουμε γράψει προηγουμένως, οι μεγάλες ομάδες eSports αξιοποιούν πλέον τις τελευταίες τεχνολογίες αθλητικής επιστήμης, όπως NeuroTracker, για να βελτιώσουν τις δεξιότητές τους. Με πολλά χρήματα να επενδύονται στην ανάπτυξη παικτών, είναι πιθανό τα αστέρια των eSports του αύριο να εκπαιδεύονται από την Τεχνητή Νοημοσύνη με νευρωνικά δίκτυα προσαρμοσμένα στις μαθησιακές τους ανάγκες.
Αν σας ενδιαφέρει η εξελισσόμενη δύναμη της Τεχνητής Νοημοσύνης, τότε ρίξτε μια ματιά και σε αυτό το ιστολόγιο.
Έρχονται οι υπερ-μυαλοί της Τεχνητής Νοημοσύνης
Καλώς ορίσατε στις Υπηρεσίες Έρευνας και Στρατηγικής στους σημερινούς γρήγορους ρυθμούς.
Μάθετε τι έχει να προσφέρει αυτή η νέα βίβλος για τα esports σε ολόκληρο τον κλάδο.
Για πρώτη φορά, νέα έρευνα δείχνει τις επιπτώσεις της κακής διατροφής και της ποιότητας του ύπνου στις γνωστικές λειτουργίες των επαγγελματιών gamers.
Οι παίκτες eSports παγκόσμιας κλάσης μπορεί να έχουν τις πιο εντυπωσιακές γνωστικές ικανότητες στον πλανήτη Γη. Μάθετε εδώ ποια από τα μεγάλα eSports έχουν τις μεγαλύτερες απαιτήσεις για υπεράνθρωπη εγκεφαλική δύναμη.
NeuroTracker είναι ένα από τα πιο ευρέως ερευνημένα συστήματα γνωστικής εκπαίδευσης, που χρησιμοποιείται σε αθλήματα υψηλού επιπέδου, στρατιωτικούς και σε περιβάλλοντα ανθρώπινης απόδοσης παγκοσμίως. Βασισμένο σε 20 χρόνια έρευνας στη νευροεπιστήμη.
.png)