AI ஆராய்ச்சியை முன்னேற்ற DeepMind மீண்டும் கேம்களை பயன்படுத்துகிறது
“சிக்கலான, இயக்கமுள்ள, வீரர் இயக்கும் அமைப்புகளில் நுண்ணறிவு” என்பதை ஆய்வு செய்வதை நோக்கமாகக் கொண்ட ஒரு ஆராய்ச்சி கூட்டாண்மையின் பகுதியாக, Google DeepMind EVE Online-ஐ உருவாக்கும் நிறுவனத்தில் சிறுபங்கினை பெற்றுள்ளது. இந்த நடவடிக்கை, கேமிங்கின் மிக விரிவான மெய்நிகர் பொருளாதாரங்களையும் சமூக சூழல்களையும், நீண்டகாலத் திட்டமிடல், நினைவகம், தொடர்ந்து கற்றல் ஆகியவற்றுக்காக உருவாக்கப்பட்ட AI அமைப்புகளைச் சோதிக்கும் புதிய முயற்சியின் மையமாகக் கொண்டு வருகிறது.
இந்த கூட்டாண்மை EVE-யின் டெவலப்பருக்கு ஏற்பட்ட பெரிய வணிக மாற்றத்துடன் இணைந்து வருகிறது. CCP Games-ஐ இயக்கும் மேலாண்மை குழு, முன்னாள் உரிமையாளர் Pearl Abyss-இலிருந்து தன்னைத்தானே வாங்கிக்கொள்ள 120 மில்லியன் டாலர் செலவிட்டதாகவும், புதிதாக சுயாதீனமான நிறுவனத்திற்கு Fenris Creations என்று மறுபெயரிட்டுள்ளதாகவும் அறிவித்துள்ளது. மறுசீரமைப்பு அல்லது பணிநீக்கம் எதுவும் இல்லாமல் செயல்பாடு தொடரும் என்றும் நிறுவனம் கூறியுள்ளது.
EVE Online ஏன் தனித்துவமானது
ஆய்வுக்காக EVE Online ஒரு தனிப்பட்ட அளவுக்கு செழுமையான சூழல் என்று DeepMind மற்றும் Fenris விவரித்தன. அந்தக் கூற்றை புரிந்துகொள்வது கடினமல்ல. EVE நீண்ட காலப்பகுதிகள், நிரந்தர வீரர் நடத்தை, சிக்கலான மூலோபாய முடிவெடுப்பு, மற்றும் குறுகிய, தனித்த போட்டிகளுக்குப் பதிலாக ஒரு உயிருள்ள அமைப்பில் உருவாகும் தொடர்புகள் ஆகியவற்றிற்காக அறியப்படுகிறது. இந்த பண்புகள் AI ஆராய்ச்சியில் பயன்படுத்தப்படும் பல பாரம்பரிய மதிப்பீட்டு சூழல்களிலிருந்து இதை மிகவும் வேறுபடுத்துகின்றன.
அறிவிப்பின் படி, DeepMind நேரடி ஆன்லைன் உலகில் நேரடியாக அல்லாமல், உள்ளூர் சேவையகத்தில் இயக்கப்படும் சிறப்பாக வடிவமைக்கப்பட்ட ஆஃப்லைன் பதிப்பில் தனது மாதிரிகளை கட்டுப்படுத்தப்பட்ட சோதனைகளுக்கு உட்படுத்தும். இந்த அணுகுமுறை இரண்டு காரணங்களுக்காக முக்கியமானது. முதலில், சோதனைகளை வர்த்தக சேவையிலிருந்து பிரித்து வைத்து உண்மையான வீரர்களின் அனுபவத்தை பாதுகாக்கிறது. இரண்டாவது, சிக்கலான சூழ்நிலைகளில் மாதிரிகள் எப்படி நடக்கின்றன என்பதை ஆராய்ச்சியாளர்கள் பாதுகாப்பாகவும் கட்டுப்பாட்டுடனும் சோதிக்க ஒரு சூழலை வழங்குகிறது.
போர்டு விளையாட்டுகளிலிருந்து மெய்நிகர் உலகுகளுக்கு
DeepMind-க்கு மெஷின் லெர்னிங்கிற்கான சோதனைத் தளமாக கேம்களை பயன்படுத்தும் நீண்ட வரலாறு உள்ளது. ஆரம்பகால முக்கிய அடைவுகளில் Go-வில் கிடைத்த முன்னேற்றங்கள், Atari கேம்களில் வலுவான செயல்திறன், மற்றும் StarCraft-இல் வெற்றி ஆகியவை அடங்கும். சமீபத்தில், உடற் உலகத்துடன் தொடர்புடைய திறன்களை AI அமைப்புகள் கற்றுக்கொள்ள உதவும் வழியாக “virtual world” மாதிரிகளை நிறுவனம் ஆராய்ந்து வருகிறது.
EVE கூட்டாண்மை, சமூகச் சிக்கலும் நீண்டகாலத் திட்டமிடலும் மிகவும் முக்கியமாகத் தோன்றும் ஒரு துறைக்குள் அந்தப் பயணத்தை விரிவாக்குகிறது. இது கட்டுப்படுத்தப்பட்ட போட்டியில் ஒரு நகர்வை மேம்படுத்துவது மட்டும் அல்ல. தகவல், ஊக்கங்கள், மற்றும் சாத்தியமான எதிர்காலங்கள் சுருக்கப்படுவதற்கு கடினமான, தொடர்ந்து மாறும் சூழலை வழிநடத்துவது பற்றியது.
Fenris CEO Hilmar Veigar Pétursson, EVE என்பது ஏற்கனவே ஒரு உயிருள்ள உலகைப் போல நடக்கும் ஒன்றுக்குள் நுண்ணறிவு தொடர்பான கேள்விகளை ஆராயக்கூடிய சில இடங்களில் ஒன்று என்று வாதிட்டார். DeepMind மாதிரிகள் கடினமான பிரச்சினைகள், நீண்ட காலப்பகுதிகள், மற்றும் விசித்திரமான சாத்தியங்களை ஆராய இந்தச் சூழல் உதவும் என்று அவர் கூறினார்.
இந்த கூட்டாண்மை என்ன வெளிப்படுத்தலாம்
இந்த ஒத்துழைப்பு வெற்றி பெற்றால், சவால்களை குறுகியகால மேம்பாட்டால் மட்டும் தீர்க்க முடியாத போது AI அமைப்புகள் எவ்வாறு செயல்படுகின்றன என்பதை ஆராய்ச்சியாளர்கள் நன்கு புரிந்துகொள்ள உதவலாம். நினைவகம், ஏற்பாற்றல், மற்றும் மூலோபாய நிலைத்தன்மை ஆகியவை தற்போதைய மாதிரிகளுக்கு கடினமான பகுதிகள். EVE போன்ற ஒரு அமைப்பு, அமைப்புகள் எங்கே பலவீனமாக உள்ளன, எங்கே அவை பொதுவான திறனை வெளிப்படுத்தத் தொடங்குகின்றன என்பதை வெளிக்கொணரலாம்.
இந்த தொழில்நுட்பங்கள் இயலச் செய்யும் புதிய கேம்ப்ளே அனுபவங்களையும் ஆராயப்போவதாக நிறுவனங்கள் கூறியுள்ளன. இது இந்த ஒப்பந்தத்தை ஆராய்ச்சி சமூகத்திற்கு அப்பாற்பட்டும் சுவாரசியமாக்குகிறது. சாண்ட்பாக்ஸ் சோதனைகளில் கிடைக்கும் முன்னேற்றங்கள் பின்னர் இணையத்துடன் இணைந்த டிஜிட்டல் உலகுகளின் வடிவமைப்புக்கு திரும்பப் பயன்படலாம் என்பதைக் காட்டுகிறது.
இன்றைய முக்கியத்துவம் முறையியல் சார்ந்தது. DeepMind தூய்மையான அப்ஸ்ட்ராக்ஷனைவிட குழப்பமான, இயக்கமுள்ள, சமூகமாக வடிவமைக்கப்பட்ட ஒரு இடத்தில் நுண்ணறிவை ஆய்வு செய்யத் தேர்ந்தெடுக்கிறது. இது AI ஆராய்ச்சியில் பரவலான புரிதலை பிரதிபலிக்கிறது: மாதிரிகள் நிஜ உலகை கையாள வேண்டும் என்றால், அவற்றை சுத்தமான புதிர்களைவிட உயிருள்ள அமைப்புகளைப் போல இருக்கும் சூழல்களில் சோதிக்க வேண்டியிருக்கலாம்.
EVE Online-இன் பரந்த சிமுலேஷன் ஆண்டுகளாக இதே வகைச் சிக்கல்களை உருவாக்கி வருகிறது. இப்போது அது, சாண்ட்பாக்ஸ் நிஜத்தோற்றத்துக்கு மேலும் நெருங்கும் போது மேம்பட்ட AI என்ன கற்றுக்கொள்ள முடியும் என்பதற்கான புதிய பரிசோதனையின் ஒரு பகுதியாக மாறுகிறது.
இந்தக் கட்டுரை Ars Technica-வின் செய்திப்பரப்பை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.
Originally published on arstechnica.com
