Ігри в розвитку штучного розуму

“Штучний розум” (англ. “artificial intelligence” – AI) – термін далеко не новий. Ідеєю творінь, здатних до мислення та продукування власних ідей, захоплювались уже віки тому як науковці, так і митці та письменники. Впродовж цього часу саме визначення “інтелекту” в створених людиною машинах значно розширилось. Чому штучний інтелект почав грати у відеоігри і наскільки йому це добре вдається – розповідає Архімаг Марта.

Штучний інтелект у машинах уже давно є частиною нашого повсякдення. Наші банківські рахунки перераховують гроші без нашої участі, по підлозі повзають порохотяги Roomba, а холодильник цілком здатний замовити молоко та помідори, доки ми не помітили їхньої відсутності. Усі ці прилади керуються програмами, завдання яких – пристосовуватись до наших потреб. Саме ця здатність робити вчинки враховуючи обставини і є найбазовішою характеристикою АІ – штучного, “неприродного” розуму.

АІ нового покоління не просто вибирає із попередньо запрограмованих опцій. Спершу він повинен самостійно зрозуміти, що відбувається навколо, та придумати свою реакцію. Навчити штучний розум вчитися – справа непроста, і саме в цьому на допомогу приходять ігри.

Штучний розум та ігри

АІ в машинних іграх присутній ще з прототипу найпершої гри, яка побачила світ – Pong від Atari. Простий у правилах, без вишуканого графічного оформлення чи навіть кольорів, понг містив у собі прапрадіда усіх ігрових “монстриків” – програму, яка служила опонентом для людського гравця. А ще мільйони років до понгу ігри служили методом навчання для всіх високорозвинених тварин. У якийсь момент науковці вирішили поєднати ці два аспекти – здатність АІ грати та здатність ігор навчати – та почали навчати АІ через ігри.

То що ж робить комп’ютерні ігри таким ефективним способом навчання для штучного розуму?

• По-перше, відеоігри, за своєю природою, написані зрозумілою для машин мовою. Вони, як перекладач Google, мають механізми, які дозволяють “перекласти” реальні обставини на рідні для процесорів масиви 0 і 1.
• По-друге, іграм властива чіткість, яка не завжди доступна у реальному житті. В іграх є конкретні правила, цілі та система винагород і покарань за дії гравців, за якими АІ може спостерігати та робити висновки.
• По-третє, ігри можна пристосувати під завдання “уроків”, змінювати їхню складність, забирати чи додавати окремі елементи тощо.
• По-четверте, науковці можуть повністю спостерігати за процесом навчання та відтворювати окремі етапи в разі необхідності. Зміни поведінки АІ від гри до гри, від одного рівня складності до іншого дозволяють зрозуміти, яку саме інформацію він засвоює найкраще та з якими проблемами стикається.
• По-п’яте, ігри можуть передавати інформацію у різних формах – кодово, візуально, аудіально тощо.

На відміну від людей, у розуму машин є багато обмежень, які гальмують його здатність навчатись. Зокрема, у “чистого” АІ немає притаманних людям інстинктів, інтуїтивного сприйняття інформації чи бази спогадів, які б стимулювати асоціативне мислення. АІ не завжди здатен правильно “архівувати” знання про вивчену гру, а тому при зміні найменших деталей “забуває” свої навички. Науковці регулярно вигадують нові та нові способи, як пояснити світ своїм “учням”, щоб вирішити ці проблеми. Детальніше про навчання АІ – у виступі Рай Гадселл у рамках TEDx.

Від понгу до стратегій і персональних помічників

Спеціалісти DeepMind (проект АІ, що належить Google) вирішили почати вчити свій штучний розум з найпростішого – з того ж понгу. Понг демонструє простоту ігрового середовища з мінімальним обсягом сторонньої, неважливої для перемоги інформації. Кількість правил невелика, вони нескладні, а можливості гравця обмежені. Спершу АІ вивчав саме поле та можливості управління ракеткою. Потім він старався зрозуміти, як його дії впливають на процес начисляння очок, і умови перемоги або програшу. Зрештою, він навчився грати безпомилково і з часом розробив стратегію, яка дозволяла йому при цьому докладати найменше зусиль, тобто робити найменше рухів. Науковці продовжували навчання іншими іграми від Atari, розбиваючи складніші ігри на простіші за допомогою ще одного АІ, який грав роль “учителя” для АІ-гравця.

З часом штучний інтелект почав грати у такі складні ігри, як шахи, а версія AlphaGo прославилась тим, що змогла обіграти чемпіонів світу з го. Після цього Google остаточно перейшов до розвитку навичок АІ в інших іграх.

Наразі DeepMind співпрацює з Blizzard Entertainment Ltd. Разом вони намагаються навчити AI грати в одну з найвідоміших стратегій еспорту – StarCraft II. Ігрова компанія надає штучному інтелектові записи ігор своїх людських гравців, які він може аналізувати і з яких вчиться.

Гру адаптували спеціально для цього проекту таким чином, щоб АІ міг чітко бачити зв’язок між подіями та їхніми ефектами. У майбутньому Blizzard хотіла б використовувати такі АІ для своїх ігор, де вони могли б пристосовуватись до рівня гравців, щоб забезпечити їм максимальне задоволення від гри.

Microsoft вирішили піти в дещо іншому напрямку та запрошує всіх охочих узяти участь в Project Malmo – надбудовою до гри Minecraft, яка тренує АІ Malmo орієнтуватись у просторі. Програмісти Malmo намагаються навчити його розуміти середовище – поверхню, можливість переміщення в різних напрямках, інших гравців тощо. Люди-учасники проекту виконують різні завдання у заданому світі й описують свої дії однією з доступних на платформі мов програмування. У свою чергу, АІ аналізує цю інформацію та модифікує власну поведінку у світі, “навчаючись” від поведінки гравців. Головною ціллю проекту є розробка штучного розуму, який би грав роль персоналізованого асистента, що може передбачати потреби людини. Саме тому на платформі Malmo штучний інтелект навчають і взаємодії з іншими гравцями.

Від гравця до ігрового дизайнера

Відточення гравецької майстерності – не єдине, що може запропонувати АІ іграм. Уже сьогодні існує низка досліджень, які навчають АІ не лише грати, а й створювати ігри. Зокрема, компанія-розробник найпопулярнішого у світі ігрового двигуна Unity запустила бета-версію проекту, де штучний розум допомагає розробникам з їхніми творіннями. Девелопери можуть тренувати АІ у своїх ігрових середовищах, “виховуючи” з них торговців, лицарів, снайперів чи драконів для своїх ігор. Потеційно цей процес може значно спростити програмування, оскільки такі АІ не потребуватимуть попередніх “сценаріїв”, а вивчатимуть свою роль після того, як трохи “поживуть” у грі. Водночас, ці персонажі матимуть набагато ширший спектр можливих інтеракцій за звичних для сучасного гравця неігрових персонажів. Завдяки такому нововведенню весь цикл створення гри значно скоротиться.

Іншою розробкою займається Інститут технології Джорджиї у США. Їхній АІ навчився відтворювати сам двигун гри після спостереження за ігроладом. Цікаво, що для цього йому не потрібен код гри – достатньо лише візуального перегляду процесу. На основі своїх спостережень штучний інетелект будує модель, за допомогою якої може передбачити наступні кадри гри. Поки що АІ здатен аналізувати лише інтеракції на екрані, тобто він не розуміє ігрових подій, що для нього не є видимими. Науковці сподіваються, що їхню розробку можна буде використовувати для навчання нових розробників ігор, а також виконувати “рутинну” роботу для спрощення творчого процесу.

До повноцінних, універсально “розумних” АІ нам ще далеко. Але все більше та більше схоже, що ми вже тримаємо ключ до світу, про який колись мріяли Азімов і Кларк, і цей ключ, зокрема, і в іграх. Тепер вони дають нам можливість не лише перевтілюватися у героїв і переживати неймовірні пригоди, а й навчити цьому наших машинних вихованців.