هوش مصنوعی OpenAI هماکنون قادر به شکست تیمهای نیمهحرفهای دوتا 2 است

کاربریهوش مصنوعی(AI) تنها به کارهایی مانند اعمال افکت های اسلوموشن به ویدیوها و پیشنهاد محصولات بر اساس دکور خانه، محدود نمی شود. این حوزه هم اکنون قادر به شکست بازیکنان باسابقه انسانی یکی از محبوب ترین بازی های استراتژی آنلاین دنیاست: دوتا, ۲شرکتولو.

اُپن اِی آییک شرکت تحقیقاتی غیرانتفاعی فعال در حوزه هوش مصنوعی است. OpenAI سان فرانسیسکویی توسط تعدادی از ستارگان آسمان فناوری مانندایلان ماسک،رید هافمنوپیتر تیلپشتیبانی می شود. این شرکت به تازگی اعلام کرده است که آخرین نسخه از هوش مصنوعی این شرکت که دوتا ۲ بازی می کند (ملقب بهOpenAI Five)، توانسته ۵ تیم از بازیکنان نیمه حرفه ای را شکست بدهد. یکی از این تیم ها متشکل از کارکنان خود شرکت ولو (سازنده Dota 2) بود.

نسل قدیم از سیستم OpenAI تنها قادر به برتری در دیدارهای یک در برابر یک بود که پیچیدگی بسیار کمتری نسبت به بازی گروهی ۵ در برابر ۵ دارد.

هم بنیان گذار و مدیر ارشد فناوری OpenAI می گوید:

بازی دوتا واقعا پیچیده است. در این بازی شما با افق های زمانی طولانی و به طور پیوسته مواجه می شوید. در بازی های رومیزی شاهد چند صد حرکت ممکن هستیم، اما در دوتا ۸۰ هزار فریم مجزا داریم. هرگاه کاری انجام دهید، اتفاقات بسیار بیشتری به تبع آن رخ می دهد. باید راهی پیدا کنید تا بتوانید برای این زمان طولانی و با کنترل بسیار کم، برنامه ریزی مناسبی داشته باشید.

الگوریتم های یادگیری ماشین OpenAI به مصاف با ۵ تیم رفت: یک تیم از کارکنان OpenAI، یک تیم از مخاطبانی که بازی را مشاهده می کردند، یک تیم از کارکنان ولو، یک تیم آماتور و یک تیم نیمه حرفه ای. هوش مصنوعی به راحتی سه تیم اول را در دیدارهای متعددی شکست داد و دو بازی از سه بازی خود در مقابل تیم های چهارم و پنجم را نیز برد.

هوش مصنوعی بارها طی بازی <> خود را برای به دست آوردن Safe Lane حریف، قربانی کرد؛ و همچنین با حمله به سنگرها و قهرمانان تیم مقابل، قهرمانان خود را ارتقا داده و سریع تر از بسیاری از رقبای انسانی به سمت پایگاه دشمن حرکت می کرد.

این هوش مصنوعی همچنین یک سری تکنیک جدید در حین این بازی ها یاد گرفته است؛ مانند جاخالی دادن مقابل موشک ها و کسب XP در ابتدای بازی. هوش مصنوعی حتی تکنیک هایی مانند <> را در بازی پیاده کرد، تکنیکی که در آن یک قهرمان به طور فیزیکی مسیر دشمنان کوچک را مسدود می کند تا از پیشرفت آنان جلوگیری کند.

OpenAI برنامه دارد تا در آینده هوش مصنوعی اش را با تیم های حرفه ای رقابت دهد.

آموزش OpenAI Five

OpenAI Five از ۵ لایه تکی، شبکه های حافظه کوتاه مدت ۱۰۲۴ واحدی (LSTM) - نوعی از شبکه عصبی بازگشت کننده (RNN) که می تواند مقادیر یک طول دلخواه از زمان را <<به یاد بسپارد>> - که هرکدام به یک قهرمان اختصاص دارند، تشکیل شده است. شبکه ها با یک مدل یادگیری تقویتی عمیق آموزش داده شده اند که با پیشرفت و تخصیص پاداش به خود، انگیزه می گیرد. در مورد OpenAI Five، پاداش ها همان تعداد کشته ها، مرگ ها، کمک ها (assist)، ارزش خالص و دیگر آمار بازی دوتا هستند.

جالب است بدانید که این شبکه های LSTM با یکدیگر ارتباط برقرار نمی کنند. به جای آن، یک هایپرپارامتر به نام <<روحیه تیمی>> که مقداری از ۰ تا ۱ است، ترجیح هر قهرمان بر پاداش شخصی و تیمی را مشخص می کند.

برای آماده سازی دیدارها، سیستم هر روز معادل ۱۸۰ سال روی یک سیستم متشکل از ۲۵۶ کارت گرافیک انویدیا P100، بازی می کند (۱۲۸ هزار هسته در مقایسه با ۶۰ هزار هسته بات قبلی دوتا).

حین هر دیدار، هر بازیکنی می تواند ۱۷۰ هزار عمل ممکن را انجام دهد؛ و اگر تمام قهرمانان بازی را در نظر بگیریم حدود ۱۰ هزار حرکت در هر فریم امکان پذیر خواهد بود.

کارکنان OpenAI جمع شده اند تا بازی هوش مصنوعی را در مقابل انسان تماشا کنند

رپید(Rapid)، چهارچوب تمرینی OpenAI، از دو بخش تشکیل شده است: مجموعه ای که یک نسخه از دوتا ۲ را روی یک شبکه LSTM اجرا می کند و گره های بهینه ساز که گرادیان کاهشی همگام (مرحله ای ضروری در یادگیری ماشین) را روی ناوگانی از GPUها اجرا می کنند.

در چند بازی نخست، قهرمانان کنترل شده توسط هوش مصنوعی به طور بی هدفی در نقشه ی بازی راه می روند. با این حال بعد از چند ساعت، آن ها در مهارت های پایه ای مانند دفاع و فارمینگ استاد می شوند و در چند روز استراتژی های پیشرفته را یاد می گیرند.

پیش تر تصور می شد که چنین دستاوردی با یادگیری ماشین امروزی غیرممکن است اما حال می دانیم که این شبکه ها قادر به بازی در سطحی حرفه ای بوده و می توانند برنامه ریزی طولانی مدت انجام دهند. مسئله ی شوکه کننده این است که از الگوریتم های موجود استفاده شده است که به اعتقاد بسیاری دارای اشکالات فراوانی بوده اند.

دستاوردی برای هوش مصنوعی

OpenAI Five نخستین سیستم هوش مصنوعی نیست که قادر به شکست حریفان انسانی در بازی های پیچیده شده است. AlphaZero، یک شبکه عصبی عمیق که توسطدیپ مایند، زیرمجموعهآلفابت، توسعه داده شده است، توانسته بهسطحی فراانسانی در بازی شطرنج، شوگی و گودست یابد. یادگیری ماشینی که توسط مالوبا توسعه داده شده (تصاحب شده توسطگوگلدر سال ۲۰۱۷) توانست در بازیMs Pac-Man، بالاتر از هر انسانی، امتیاز۹۹۹/۹۰۰ را ثبت کند.

اما دستاوردهای OpenAI Five تنها به انجام بازی دوتا محدود نمی شود. این هوش مصنوعی نشانگر دستاوردهای جدیدی برای هوش مصنوعی است؛ دستاوردهایی که نمایانگر آینده ای است که در آن هوش مصنوعی می تواند کارهای به مراتب پیچیده تری را به انجام برساند.

نظر شما درباره این دستاورد جدید در حوزه هوش مصنوعی چیست؟ آیا آن را قابل توجه می دانید؟ نظرات خود را با ما به اشتراک بگذارید.