DeepMind एक बार फिर एआई शोध को आगे बढ़ाने के लिए खेलों का उपयोग कर रहा है
Google DeepMind ने “जटिल, गतिशील, खिलाड़ी-चालित प्रणालियों में बुद्धिमत्ता” के अध्ययन के उद्देश्य से एक शोध साझेदारी के हिस्से के रूप में EVE Online के पीछे की कंपनी में अल्पांश हिस्सेदारी ली है। यह कदम गेमिंग की सबसे विस्तृत आभासी अर्थव्यवस्थाओं और सामाजिक परिवेशों में से एक को उन एआई प्रणालियों के परीक्षण के लिए एक नए प्रयास के केंद्र में रखता है, जिन्हें लंबे क्षितिज वाली योजना, स्मृति और निरंतर सीखने के लिए बनाया गया है।
यह साझेदारी EVE के डेवलपर में एक बड़े कारोबारी बदलाव के साथ सामने आई है। CCP Games के पीछे मौजूद प्रबंधन टीम ने घोषणा की है कि उसने पूर्व मालिक Pearl Abyss से खुद को खरीदने के लिए 120 मिलियन डॉलर खर्च किए हैं और वह नवस्वतंत्र कंपनी का नाम बदलकर Fenris Creations कर रही है। कंपनी ने कहा कि वह बिना पुनर्गठन या छंटनी के काम जारी रखेगी।
EVE Online क्यों अलग है
DeepMind और Fenris ने EVE Online को अध्ययन के लिए एक अनूठा समृद्ध परिवेश बताया। यह दावा समझना कठिन नहीं है। EVE लंबे समय-चक्र, स्थायी खिलाड़ी व्यवहार, जटिल रणनीतिक निर्णय-निर्माण, और ऐसे अंतःक्रियाओं के लिए जाना जाता है जो छोटे, अलग-थलग मैचों के बजाय एक जीवित प्रणाली के भीतर विकसित होती हैं। ये गुण इसे एआई शोध में इस्तेमाल होने वाले कई पारंपरिक बेंचमार्क परिवेशों से बहुत अलग बनाते हैं।
घोषणा के अनुसार, DeepMind अपने मॉडलों पर खेल के एक विशेष रूप से तैयार ऑफ़लाइन संस्करण में नियंत्रित प्रयोग चलाएगा, जो सीधे लाइव ऑनलाइन दुनिया के भीतर नहीं बल्कि एक स्थानीय सर्वर पर होस्ट किया जाएगा। यह तरीका दो कारणों से महत्वपूर्ण है। पहला, यह प्रयोगों को व्यावसायिक सेवा से अलग रखकर वास्तविक खिलाड़ियों के अनुभव को सुरक्षित रखता है। दूसरा, यह शोधकर्ताओं को जटिल परिस्थितियों में मॉडलों के व्यवहार का परीक्षण करने के लिए एक सुरक्षित और अधिक नियंत्रित परिवेश देता है।
बोर्ड गेम्स से आभासी दुनिया तक
DeepMind का मशीन लर्निंग के परीक्षण-क्षेत्र के रूप में खेलों का उपयोग करने का लंबा इतिहास रहा है। शुरुआती उपलब्धियों में Go में सफलताएँ, Atari खेलों में मजबूत प्रदर्शन, और StarCraft में सफलता शामिल रही है। हाल के समय में, कंपनी भौतिक वास्तविकता से जुड़े कौशलों को एआई प्रणालियों को सिखाने के एक तरीके के रूप में “वर्चुअल वर्ल्ड” मॉडलों की खोज कर रही है।
EVE साझेदारी इस यात्रा को ऐसे क्षेत्र तक ले जाती है जहाँ सामाजिक जटिलता और दीर्घकालिक योजना असामान्य रूप से प्रमुख हैं। यह केवल एक सीमित मुकाबले में चाल को अनुकूलित करने के बारे में नहीं है। यह एक ऐसे विकसित होते परिवेश में रास्ता बनाने के बारे में है जहाँ सूचना, प्रोत्साहन, और संभावित भविष्य को समेटना अधिक कठिन होता है।
Fenris के सीईओ Hilmar Veigar Pétursson ने तर्क दिया कि EVE उन कुछ जगहों में से एक है जहाँ बुद्धिमत्ता से जुड़े प्रश्नों की पड़ताल ऐसी चीज़ के भीतर की जा सकती है जो पहले से ही एक जीवित दुनिया की तरह व्यवहार करती है। उन्होंने कहा कि यह परिवेश DeepMind के मॉडलों को कठिन समस्याओं, लंबे समय-चक्रों और विचित्र संभावनाओं का अन्वेषण करने देगा।
यह साझेदारी क्या उजागर कर सकती है
यदि यह सहयोग सफल होता है, तो यह शोधकर्ताओं को बेहतर समझने में मदद कर सकता है कि जब चुनौतियों को केवल अल्पकालिक अनुकूलन से हल नहीं किया जा सकता, तब एआई प्रणालियाँ कैसा प्रदर्शन करती हैं। स्मृति, अनुकूलन, और रणनीतिक स्थायित्व वर्तमान मॉडलों के लिए सभी कठिन क्षेत्र हैं। EVE जैसा परिवेश यह उजागर कर सकता है कि सिस्टम कहाँ नाज़ुक बने रहते हैं और कहाँ वे अधिक सामान्य क्षमता दिखाना शुरू करते हैं।
कंपनियों ने यह भी कहा है कि वे इन तकनीकों से संभव होने वाले नए गेमप्ले अनुभवों की खोज करेंगी। इससे यह सौदा केवल शोध समुदाय से परे भी दिलचस्प बनता है। यह संकेत देता है कि सैंडबॉक्स प्रयोगों में की गई प्रगति अंततः इंटरैक्टिव डिजिटल दुनिया के डिज़ाइन में वापस आ सकती है।
फिर भी, तात्कालिक महत्व पद्धतिगत है। DeepMind ऐसी जगह पर बुद्धिमत्ता का अध्ययन करने का चयन कर रहा है जो शुद्ध अमूर्तता के बजाय अव्यवस्थित, गतिशील, और सामाजिक रूप से आकारित है। यह एआई शोध में एक व्यापक समझ को दर्शाता है: यदि मॉडलों से वास्तविक दुनिया को संभालने की अपेक्षा है, तो उन्हें उन परिवेशों में परखा जाना पड़ सकता है जो साफ़ पहेलियों की तुलना में जीवित प्रणालियों जैसे अधिक हों।
EVE Online का विशाल सिमुलेशन वर्षों से ठीक इसी तरह की जटिलता पैदा करता रहा है। अब यह इस नए प्रयोग का हिस्सा बन रहा है कि उन्नत एआई क्या सीख सकता है जब सैंडबॉक्स वास्तविकता जैसा दिखने लगे।
यह लेख Ars Technica की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
Originally published on arstechnica.com