هوش مصنوعی انویدیا با تماشای بازی پک‌من نسخه‌ای از آن طراحی کرد
نظریهای به‌نام میمون‌های بی‌نهایت وجود دارد که در تعاریف گوناگون، ادعاهای درخور‌توجه مرتبط با یادگیری براساس مشاهده را مطرح می‌کند. طبق یکی از تعاریف نظریه، اگر تعداد زیادی میمون به دستان چندین تایپیست دقت کنند، می‌توانند اثری ادبی‌هنری در حد آثار شکسپیر خلق کنند. قطعا چنین نظریهای هنوز آزمایش یا تأیید نشده است و تنها با هدف نشان‌دادن یادگیری براساس مشاهده مطرح می‌شود.
انویدیا در اخبار جدید خود نشان داد نظریه‌ی یادشده را با جدیت و البته در حوزه‌ای دیگر دنبال می‌کند. ارتشی از ابزارهای هوش مصنوعی موسوم به GameGAN (مخفف generative adversarial networks) ساختن بازی کاربردی را از صفر آموختند. آن‌ها یکی از اثار مهم و مشهور صنعت بازی را انتخاب کردند. پک‌من (PacMan) که به‌زودی سالگرد ۴۰ سالگی را جشن می‌گیرد، در تحقیق اخیر موضوع آزمایش محققان هوش مصنوعی بود.
رخدادهای قبلی در ارتباط با یادگیری بازی به‌وسیله‌ی هوش مصنوعی، تنها بازی‌کردن بازی را مدنظر قرار می‌داد. به‌بیان‌دیگر، شبکه‌های عصبی با تماشای بازی، به بازیکنی حرفه‌ای در آن تبدیل می‌شدند. هوش مصنوعی با مشاهده‌ی انواع استراتژی‌ها و پاسخ‌ها و تکرار استراتژی‌های برنده، به‌مرور به بازیکنی تبدیل می‌شود که در بسیاری از مواقع، می‌تواند بازیکن‌های حرفه‌ای را نیز شکست دهد.
تحقیقات اخیر انویدیا در آموزش هوش مصنوعی در رویکردی مشابه با آزمایش‌های گذشته انجام شد. محققان این شرکت مجموعه‌ای شامل چهار کامپیوتر مجهز به پردازنده‌ی گرافیکی Quadro GV100 را برای آزمایش اخیر به‌کار گرفتند. این پردازنده‌ی گرافیکی کلاس ورک‌استیشن به شبکه‌ی کامپیوتری امکان داد ۵۰ هزار ساعت بازی پک‌من را با هدف یادگیری اصول بازی مشاهده کند. البته خود بازی را هوش مصنوعی دیگری انجام می‌داد. درنهایت، شبکه‌ی مجهز به چهار کامپیوتر توانست بازی را براساس همان محتوای مشاهده‌شده طراحی کند که ساختارهای گرافیکی قابل‌درک و با کمی استثنا قابل‌اجرا داشت.
هکتور مارینز، نماینده‌ی انویدیا، در مصاحبه‌ای درباره‌ی آزمایش اخیر و دستاورد هوش مصنوعی شرکتش می‌گوید:
هوش مصنوعی ما هیچ بخشی از کدهای پک‌من را مشاهده نکرده است. درواقع، هوش مصنوعی فقط قوانین را با استفاده از مشاهده آموخت.
هوش مصنوعی در جریان مشاهده‌ی بازی، اصولی همچون سرعت پک‌من، توانایی‌های حرکتی، ناتوانی در عبور از دیوارها، الگوی حرکتی چهار دشمن (روح) اصلی، پیامد خوردن گلوله‌های قدرتی پک‌من و پیامد برخورد روح‌ها با پک‌من را آموخت. مارینز می‌گوید هرکسی با دانش برنامه‌نویسی می‌تواند با ساعت‌ها مشاهده‌ی بازی پک‌من و درک قوانین آن، نسخه‌ای از بازی را بنویسد. هوش مصنوعی نیز همین کار را انجام داد.
مارینز و دیگر محققان انویدیا جزئیات بیشتری از روند پیاده‌سازی کدها به‌وسیله‌ی هوش مصنوعی منتشر نکردند. درواقع، مشخص نیست هوش مصنوعی از روش‌های میان‌بری برای نوشتن کد قابل‌اجرا استفاده کرده یا از موتورهای بازی کنونی. به‌هرحال، به‌نظر نمی‌رسد هوش مصنوعی بدون ابزارها و یادگیری برنامه‌نویسی، این توانایی را پیدا کرده باشد. دراین‌صورت، بسیاری از گیمرهای امروزی باید توسعه‌دهنده‌ی بازی نیز می‌بودند. البته تیم انویدیا مقاله‌ی کامل و پیچیده‌ای در توضیح چگونگی عملکرد هوش مصنوعی منتشر کرده است. به‌طورخلاصه می‌توان گفت سه ماژول (حافظه و موتور دینامیکی و موتور رندر) به‌صورت شبکه‌ی عصبی در ساختن بازی درگیری شده‌اند.
محققان انویدیا می‌گویند نسخه‌ی فعلی از دستاورد هوش مصنوعی مشکل پایداری دارد. به‌علاوه، بازی ساخته‌شده در رزولوشن ۱۲۸ در ۱۲۸ پیکسل و ۵۰ فریم‌برثانیه اجرا می‌شود که از استاندارد ۶۰ فریم‌برثانیه‌ی بازار کمتر است. انویدیا می‌گوید نسخه‌ی قابل‌بازی پک‌من ساخت هوش مصنوعی تابستان امسال به‌صورت عمومی عرضه خواهد شد. البته هنوز مشخص نیست بازی به‌صورت فایل نصبی اجرایی عرضه خواهد شد یا به‌عنوان گزینه‌ای در سرویس‌های ابری همچون انویدیا جی‌فورس ناو.
انویدیا در مصاحبه درباره‌ی دستاورد جدید، به تأثیر احتمالی آن بر آینده‌ی صنعت بازی اشاره می‌کند. محققان با وجود تأکید‌نکردن زیاد بر ادعا، معتقد هستند از توسعه‌ی پک‌من تا استفاده از GameGAN برای ساختن بازی‌ها و شبیه‌سازی‌ها مسیر مستقیمی وجود دارد؛ بازی‌هایی که با کیفیتی برابر با نسخه‌های سه‌بعدی حرفه‌ای کنونی خواهند بود. به‌هرحال، آن‌ها اعتقاد دارند این دستاوردهای هوش مصنوعی می‌تواند حداقل به‌عنوان ابزاری به توسعه‌دهندگان بازی کمک کند.
مقاله‌های مرتبط:
یکی از نمایندگان انویدیا درباره‌ی دستاورد جدید شرکت در حوزه‌ی هوش مصنوعی می‌گوید:
کارگزار هوش مصنوعی توسعه دادیم که تنها با مشاهده‌ی بازی می‌تواند قوانین آن را بیاموزد. پیش از اینکه ابزاری برای واردکردن محتوا به بازی طراحی کنید، باید قوانین را به آن آموزش دهید. به‌عنوان مثال، به بازی GTA V دقت کنید. هزاران هنرمند چندین سال تلاش کردند آن دنیاها را توسعه دهند. هرگونه ابزاری که به توسعه‌ی آسان‌تر المان‌های بینجامد، نقشی حیاتی در صنعت ایفا خواهد کرد.
محققان انویدیا در صحبت‌های خود تأکید زیادی بر ارزش مؤلفه‌های بازی مانند شخصیت‌ها و ساختمان‌ها و وسایل نقلیه می‌کنند که در بازی‌های بزرگ نقشی حیاتی برعهده دارند؛ مؤلفه‌‌هایی که ابتدا به طرحی و سپس کدنویسی برای درک چگونگی تعامل با دنیای بازی نیاز دارند. درنهایت، آن‌ها تأکید می‌کنند یادگیری خودکار قوانین بازی به توسعه‌ی آسان‌تر مؤلفه‌ها کمک می‌کند.
انویدیا با وجود تأکید بر فواید فناوری جدید برای آینده‌ی دنیای بازی، به زمان و هزینه و قدرت پردازشی موردنیاز برای یادگیری بازی حرفه‌ای سه‌بعدی به‌وسیله‌ی هوش مصنوعی اشاره‌ای نکرد. گفتنی است کاربری دیگری هم برای این هوش مصنوعی تصور می‌شد و یادگیری محیط‌های واقعی یا فیلم‌برداری‌شده و استفاده از قوانین آن در توسعه‌ی ربات‌های واقعی، از دستاوردهای مهم دیگر محسوب می‌شود. فراموش نکنید برای یادگیری بازی ساده‌ی پک‌من، هوش مصنوعی باید ۵۰ هزار ساعت از آن را مشاهده می‌کرد. محصول نهایی نیز ازلحاظ پایداری با مشکل روبه‌رو شد. خود محققان اعتراف می‌کنند برای پیاده‌سازی هوش مصنوعی در توسعه‌ی بازی‌های سه‌بعدی هنوز مشکلات بی‌شماری در پیش دارند. هنوز این سوال وجود دارد که برای توسعه‌ی بازی‌ای مانند GTA به‌دست هوش مصنوعی، به چقدر قدرت پردازشی و چند ساعت مشاهده‌ی بازی نیاز داریم؟
درنهایت، نمی‌توان ادعا کرد توسعه‌ی بازی‌های حرفه‌ای به‌وسیله‌ی هوش مصنوعی ممکن نیست. البته برای شگفت‌زده‌شدن از دستاورد اخیر انویدیا هم باید کمی صبر کنیم. اگر تیم محققان بتوانند بازی‌هایی کمی پیچیده‌تر را با ساختار کنونی توسعه دهند، می‌توان به برنامه‌های آتی بیشتر امیدوار بود.
