Model kecerdasan buatan yang memainkan permainan telah ada selama beberapa dekade, namun biasanya mereka mengkhususkan diri pada satu permainan dan berfokus pada kemenangan. Peneliti Google Deepmind memiliki tujuan berbeda: membuat model yang belajar memainkan beberapa game 3D seperti manusia, sambil melakukan yang terbaik untuk memahami dan bertindak berdasarkan instruksi verbal Anda. Mereka memperkenalkan model SIMA, yang merupakan singkatan dari Scalable, Instructable, Multiworld Agent dan saat ini sedang dalam penelitian.
Seiring berjalannya waktu, SIMA akan belajar memainkan video game apa pun, bahkan yang tidak memiliki jalur linier hingga akhir game atau game dunia terbuka. Meskipun algoritma tersebut tidak dimaksudkan untuk menggantikan algoritma game yang sudah ada AI, Anda bisa menganggapnya sebagai mitra dan pendamping. Ini menggabungkan pembelajaran bahasa alami dengan pemahaman dunia 3D dan pengenalan gambar.
Perusahaan telah bekerja sama dengan berbagai pengembang game, termasuk Hello Games, Embracer, Tuxedo Labs, Coffee Stain dan lainnya untuk melatih dan menguji SIMA. Para peneliti menghubungkan SIMA ke game seperti No Man's Sky, Teardown, Valheim, dan Goat Simulator 3 untuk mengajari agen AI dasar-dasar memainkannya.
Tim memilih permainan yang lebih terbuka daripada berorientasi narasi untuk membantu SIMA mempelajari keterampilan bermain game secara umum. Jika Anda pernah memainkan atau menonton panduan Goat Simulator, Anda pasti tahu bahwa melakukan hal-hal acak dan spontan adalah inti dari permainan ini, dan tim mengatakan spontanitas seperti itulah yang mereka harapkan untuk diajarkan pada SIMA.
Untuk melakukan hal ini, tim terlebih dahulu membuat lingkungan baru di mesin Unity. Kemudian Google pasangan pemain yang direkam, yang satu memimpin permainan dan yang lainnya memberikan instruksi tentang apa yang harus dilakukan selanjutnya, untuk mencatat instruksi yang diucapkan. Setelah itu, para pemain bermain sendiri-sendiri untuk menunjukkan arah tindakan mereka dalam permainan tersebut. Semua ini dimasukkan ke SIMA sehingga agen dapat belajar memprediksi apa yang akan terjadi selanjutnya di layar. Saat ini, SIMA memiliki sekitar 600 keterampilan dasar seperti belok kiri atau menaiki tangga, namun pada akhirnya akan mempelajari fungsi yang lebih kompleks.
Baca juga:
Tinggalkan Balasan