** وانغ شو ** زميل ما بعد الدكتوراه ، معهد تينسنت للأبحاث
Meng Jingzhi متدرب في معهد Tencent للأبحاث
مصدر الصورة: تم إنشاؤها بواسطة أداة Unbounded AI
وفي 13 يوليو/تموز، نشرت مجلة "ساينس" مقالاً بعنوان "الألعاب تواصل دفع عجلة التطور والتقدم في الذكاء الاصطناعي"، ناقشت فيه العلاقة بين الألعاب والذكاء الاصطناعي بالتفصيل، ورأت أن "الألعاب توفر مجالاً تطبيقياً واعداً للعامة". "إن استخدام الألعاب كمنصة لدراسة الذكاء الاصطناعي له فائدة مباشرة لصناعة ألعاب الفيديو العالمية التي تبلغ قيمتها 200 مليار دولار." [1]
إذن، ما هي العلاقة بين الألعاب والذكاء الاصطناعي، وكيف تعزز الألعاب تطور وتقدم الذكاء الاصطناعي، وما تأثير ذلك على حياة الناس؟
** التآزر والتكافل: الألعاب والذكاء الاصطناعي يكملان بعضهما البعض **
إذا نظرنا إلى تاريخ تطور علوم المعلومات أو علوم الكمبيوتر بالكامل، فليس من الصعب أن نجد أن الألعاب تمر تقريبًا خلال عملية تطوير أبحاث الذكاء الاصطناعي بأكملها، وكل إنجاز بارز في مجال الذكاء الاصطناعي يرتبط ارتباطًا وثيقًا بالألعاب. في السابق، ناقش مركز أبحاث فلسفة الألعاب بجامعة شيامن العلاقة بين الألعاب وتطوير الذكاء الاصطناعي من المستويات الثلاثة النظرية والأجهزة والتطبيق. [2] ：
**اللعبة تلهم نظرية الذكاء الاصطناعي وتساعد في البحث وتطوير الذكاء الاصطناعي. **منذ شانون، أبو المعلومات، الذي بدأ دراسة الذكاء الاصطناعي باستخدام الشطرنج كأداة في عام 1950، إلى صموئيل، رائد الذكاء الاصطناعي، الذي اخترع خوارزميات التعلم المعزز القائمة على لعبة الداما. لطالما اعتُبرت ألعاب الطاولة، مثل الشطرنج والداما، بمثابة "ذباب ثمار أبحاث الذكاء الاصطناعي"، أي وسيلة منخفضة التكلفة ويمكن إدراكها للتحقق بسرعة من المشكلات. اليوم، التطور السريع لصناعة الألعاب يعزز بشكل مباشر ازدهار البحث النظري حول الذكاء الاصطناعي. من عام 1971 إلى عام 2015، كان عدد الأوراق البحثية المتعلقة بالذكاء الاصطناعي المتعلقة بالألعاب أقل من 1000. ومع ذلك، منذ أن هزمت AlphaGO بطل Go الأوروبي ثلاث مرات Fan Hui في عام 2015، شهدت أبحاث الذكاء الاصطناعي المتعلقة بالألعاب نموًا هائلاً منذ عام 2015. حتى عام 2022، وفي السنوات السبع من عام 2019، وصل عدد الأوراق البحثية ذات الصلة إلى 1625 ورقة، منها 17 ورقة أصبحت مقالات غلاف "الطبيعة" و"العلم". [3]
**تروج اللعبة للتكرار المبتكر للبنية التحتية لطاقة الحوسبة والذكاء الاصطناعي GPU (بطاقة الرسومات الرسومية). **إذا أخذنا شركة الرقائق Nvidia كمثال، وانطلاقًا من التغيرات في الإيرادات وإجمالي إيرادات أعمال Nvidia للألعاب ومراكز البيانات من عام 1995 إلى 2022، فإن جميع إيرادات Nvidia تقريبًا في الأيام الأولى جاءت من أعمال الألعاب، وNvidia، الاعتماد على أعمال اللعبة، إكمال تراكم الأموال، وبناء الحواجز التقنية لبناء القوة للتحول اللاحق. اليوم، برزت نفيديا بسرعة كشركة رائدة في رقائق الذكاء الاصطناعي بفضل تراكمها التكنولوجي الغني في بطاقات رسومات الألعاب والاستثمار العالي في البحث والتطوير. حاليًا، تمتلك نفيديا حصة سوقية تبلغ 95٪ في رقائق تدريب الذكاء الاصطناعي. [4] . أصبحت العديد من التقنيات المتراكمة بواسطة بطاقات رسومات الألعاب هي أيضًا القدرات الأساسية الأساسية لوحدات معالجة الرسومات NVIDIA، ويتم تطبيقها على المزيد من المجالات مثل القيادة الذاتية والرعاية الطبية وعلوم الحياة والطاقة والخدمات المالية والتصنيع.
**توفر الألعاب الذكاء الاصطناعي مع بيئة تدريب يمكن التحكم فيها ومعايير قياس واضحة. **لعبة تحتوي على أهداف وقواعد وتحديات، وعملية حل التحديات تعكس الذكاء. لذلك، عند إنشاء برنامج يمكنه إكمال لعبة معينة، يمكن الافتراض أن هذا البرنامج سيمتلك نوعًا من "الذكاء" "الشبيه بالإنسان" إلى حد ما. من ناحية، تحتوي اللعبة على مشاهد غنية للتفاعل بين الإنسان والحاسوب وقواعد مستقرة ويمكن التحكم فيها، والتي يمكن أن تحل مشكلة نقص مشاهد أبحاث الذكاء الاصطناعي. من ناحية أخرى، توفر الألعاب معايير قياس واضحة للذكاء الاصطناعي، كما أن القدرة على تقييم الذكاء الاصطناعي بقواعد واضحة وقابلة للقياس في الألعاب يمكن أن تحسن بشكل كبير كفاءة تكرار التكنولوجيا واختبارها.
إلى جانب التكرار التكنولوجي وابتكار التطبيقات، بدأ المزيد والمزيد من المؤسسات والجامعات ومؤسسات البحث العلمي في إجراء أبحاث ابتكارية في مجال الذكاء الاصطناعي تعتمد على الألعاب. لقد التزمت أبحاث لعبة الذكاء الاصطناعي بخلق أجسام ذكية تشبه الإنسان منذ البداية، وتحقيق المواجهة مع البشر في معلومات مثالية/بيئات معلومات غير كاملة (مثل الذكاء الاصطناعي AlphaStar المبني على "StarCraft 2"، والذكاء الاصطناعي المبني على "DOTA2" ") Intelligent OpenAIFive، وما إلى ذلك)، امتد للتركيز على الإنشاء التلقائي للمحتوى المتنوع في اللعبة (البيئة الافتراضية)، وذلك لتعزيز تجربة التفاعل بين الإنسان والكمبيوتر. منذ وقت ليس ببعيد، في المؤتمر العالمي للذكاء الاصطناعي لعام 2023، أطلق عدد من الجامعات بشكل مشترك "مركز الأبحاث المشترك لجامعة الذكاء الاصطناعي للألعاب"، مع التركيز على علاقة التطوير بين الألعاب وصناعة الذكاء الاصطناعي.
من القواعد البسيطة إلى عمليات المحاكاة المعقدة: يقوم البشر بتعليم الذكاء الاصطناعي كيفية "المشي والجري"
من بين العديد من أبحاث الذكاء الاصطناعي للألعاب التي تركز على التجربة التفاعلية، فإن البحث النموذجي هو توليد الحركة للعملاء الأذكياء. الوكيل هو كائن افتراضي أو حقيقي يتم التحكم فيه بواسطة آلة يمكنها التصرف والتفاعل وفقًا لظروف داخلية وخارجية مختلفة. الممثل النموذجي هو شخصية لا يتحكم فيها اللاعب (NPC) في اللعبة. تدرس تقنية توليد حركة الجسم الذكية بشكل أساسي كيفية جعل سلوك الجسم الذكي سلسًا وطبيعيًا مثل الشخص الحقيقي، وتعزيز تجربة التفاعل بين الإنسان والكمبيوتر. إذا كانت مجالات الرؤية الحاسوبية ومعالجة اللغة الطبيعية في أبحاث الذكاء الاصطناعي تركز على قدرات فهم الصورة والنص واللغة على التوالي، فإن توليد إجراءات الوكيل يتوافق مع مجال الذكاء الاصطناعي للتحكم في السلوكيات والأفعال.
تاريخيًا، مر تطوير تقنية توليد الحركة عبر عملية بدءًا من القواعد البسيطة إلى عمليات المحاكاة المعقدة، بدءًا من أول آلة ذات حالة محدودة وحتى خوارزميات مطابقة الحركة، ثم إلى توليد الحركة استنادًا إلى التعلم الآلي. ومن خلال محاكاة الإجراءات البشرية، يتعلم الوكلاء تدريجيًا المشي والجري مثل الإنسان.
** (1) إنشاء العمل على أساس مطابقة القواعد **
توليد العمل على أساس آلة الدولة
في البيئة الافتراضية ، تعتبر الإجراءات المختلفة للوكيل ، مثل المشي والجري والقفز والهجوم وما إلى ذلك ، حالات مختلفة. عادةً ما يستخدم المطورون الأوائل "آلة الحالة" للتحكم في سلوك الوكيل، عن طريق ربط الإجراءات المختلفة للوكيل معًا وفقًا لظروف مختلفة. وميزة هذا النهج هو أنه يمكن تحديد قواعد الانتقال بين الحالات بشكل واضح، على سبيل المثال، يمكن تحويل حالة المشي إلى الجري أو القفز. يوضح الشكل أدناه آلة الحالة المحدودة التي يستخدمها الوكيل في اللعبة.
الشكل 1: رسم تخطيطي لآلة الحالة في اللعبة [5]
ليس من الصعب أن تجد أن ميزة هذا النهج هي أنه يمكن أن يحدد بوضوح قواعد الانتقال بين الدول ، على سبيل المثال ، يمكن تحويل حالة المشي إلى الجري أو القفز ؛ القيد هو أنه قد يكون من الصعب التعامل مع معقدة التفاعلات السلوكية وتوقع تغييرات الحالة المستقبلية. يمكن أن يصبح تصميم وصيانة آلة الحالة معقدًا للغاية ويستغرق وقتًا طويلاً للأنظمة شديدة التعقيد بسبب الحاجة إلى منطق مكتوب يدويًا للانتقال من عقدة إلى أخرى.
جيل العمل على أساس مطابقة الحركة
من أجل حل قيود التطبيق على آلة الحالة، بدأ علماء الذكاء الاصطناعي للعبة في استكشاف حلول أكثر كفاءة لتوليد الحركة، وظهرت تقنية مطابقة الحركة (مطابقة الحركة). بالمقارنة مع جهاز الحالة، لم تعد هذه التقنية بحاجة إلى ربط مقاطع بيانات التقاط الحركة المختلفة يدويًا، ولكنها تستخدم بيانات التقاط الحركة لإنشاء قاعدة بيانات لوضعيات الحركة، واختيار ومزج مقاطع الحركة الأكثر ملاءمة في الوقت الفعلي وفقًا للحالة الحالية وحالة الوكيل المستهدفة. ونتيجة لذلك، يمكن تحقيق تحكم أكثر تعقيدًا ودقة في الرسوم المتحركة وفقًا لحالة الشخصية والعوامل البيئية في الوقت الفعلي، بحيث يمكن للجسم الذكي تقديم تأثير حركة أكثر طبيعية وسلاسة.
الشكل 2: رسم تخطيطي لعملية مطابقة Motin [6]
بالطبع، تقنية مطابقة الحركة لها أيضًا قيود معينة في الممارسة العملية، على سبيل المثال، تحتاج إلى الاحتفاظ بجميع بيانات الرسوم المتحركة في الذاكرة عند استخدامها، مما يشغل قدرًا كبيرًا من الذاكرة، وجميع الرسوم المتحركة هي محتوى موجود في قاعدة البيانات، وهو أمر لا يمكن تحقيقه • الابتكار في الرسوم المتحركة المتحركة. حتى في "Red Dead Redemption 2"، التي تجعل الشخصيات غير القابلة للعب واقعية بدرجة كافية، فإنها تدرك فقط "المطابقة الرياضية". على الرغم من أن اللعبة صممت المئات من الرسوم المتحركة المختلفة للحصان، بل إن هناك مئات من الأصوات المختلفة لللهث، إلا أن هذه ليست ذكاءً حقيقيًا، ولكنها مكدسة بقواعد آلة الدولة الضخمة وموارد الرسوم المتحركة.
(2) إنشاء إجراءات الوكيل بناءً على التعلم الآلي
سواء كان يعتمد على آلة الحالة أو تقنية مطابقة الحركة، فإنه لم يحقق توليد عمل ذكي حقيقي في جوهره، وهناك مشاكل في النظام المعقد وخسارة كبيرة في عملية تطبيق الهبوط. لذا، هل هناك طريقة لإضافة أي قدر تريده من بيانات الإجراء عند تدريب النموذج، وليس هناك حاجة لوضع هذه البيانات الإضافية في الذاكرة عند تشغيل اللعبة؟
ولتحقيق هذه الغاية، أجرت الدوائر الأكاديمية والصناعات في الداخل والخارج العديد من الاستكشافات، في محاولة لتحقيق التوليد التلقائي لتصرفات الجسم الذكية بناءً على التعلم الآلي. وفي الخارج، قامت شركة EA الأمريكية بتطوير تقنية HyperMotion في عام 2021، والتي أدت إلى تحسين الواقعية وسرعة الاستجابة لحركات الجسم الذكية في ألعاب سلسلة FIFA بشكل كبير. يستخدم الحل الفني أولاً تقنية التقاط الحركة لالتقاط أكثر من 8.7 مليون إطار من بيانات الحركة لـ 22 لاعب كرة قدم محترف في اللعبة، ثم يستخدم خوارزميات التعلم الآلي للتعلم المستمر من 8.7 مليون إطار من البيانات، وأخيرًا يدرك الواقع الحقيقي - حركة الوقت للأجسام الذكية في اللعبة تولد. [7]
في الصين، منذ عام 2019، حاولت Tencent تطبيق نموذج الشبكة العصبية ذاتية الانحدار (ARNN) على حل توليد الإجراء للوكيل، وحققت تقدمًا كبيرًا. ARNN هي خوارزمية للتعلم الآلي تستخدم على نطاق واسع في تحليل ومعالجة بيانات السلاسل الزمنية، وغالبًا ما تستخدم في سيناريوهات مثل التنبؤ بالطقس وسوق الأسهم. إذا كان من الممكن استخدامه في مجال العمل، فسيكون من الممكن التقاط عدد كبير من الأشخاص الحقيقيين وإدخال البيانات للتدريب، والسماح لنموذج الذكاء الاصطناعي بالتنبؤ بالإطار التالي لإطار تسلسل العمل، وأخيرًا إنشاء إطار كامل والعمل الطبيعي بشكل متماسك.
من أجل تحقيق هذا الهدف، في عام 2019، تعاون فريق "Reverse Battle Mobile Games" التابع لـ Tianmei J3 Studio مع مختبر Tencent RoboticsX، استنادًا إلى بحث نموذج ARNN، وفتح واستكمل تدريجيًا التكنولوجيا المتطورة في هذا المجال. الألعاب والروبوتات - بحث وتطوير "تقنية توليد عمل الجسم الذكي". تعتمد هذه التقنية على مبدأ نموذج ARNN، وتتعلم بيانات التقاط الحركة، وتستخدم خوارزميات تكيفية تعتمد على البيانات للسماح للشخصيات غير القابلة للعب أو الروبوتات بإنشاء إجراءات وردود أفعال وتعبيرات تشبه المخلوقات الحقيقية وفقًا لتفاعلات خارجية مختلفة مثل كعمليات اللاعب أو التغيرات البيئية.
الشكل 3: رسم تخطيطي لتكنولوجيا توليد عمل الوكيل
** حققت هذه المجموعة من حلول تقنية توليد الحركة المستندة إلى ARNN والتي اقترحها فريق ألعاب الجوّال المناهض للحرب بشركة Tencent إنجازات متعددة في الصناعة: **
أولاً، من أجل تنفيذ خوارزمية الشبكة العصبية ذات الانحدار الذاتي، أنشأ الباحثون سلسلة أدوات كاملة من الصفر، وأنشأوا خط إنتاج كامل من خلال خطوات مثل التقاط الحركة والمعالجة المسبقة للرسوم المتحركة والتدريب والضبط. من أجل حل مشاكل مزامنة الشبكة وتحسين الأداء التي قد توجد عند تطبيق هذه التكنولوجيا على المحطة المتنقلة، اعتمد الفريق تقنية مطابقة المسار، وتكنولوجيا الرسوم المتحركة الاندماجية وحلول مستوى الخوارزمية المقابلة، مما أدى إلى تحسين الأداء العام بشكل كبير وتقليل الخلل العصبي أداء الشبكة.الذاكرة الزائدة للاستدلال.
ثانيًا، تعاون فريق البحث مع Tencent RoboticsX Lab لتطبيق تقنية توليد حركة الجسم الذكية على الروبوت رباعي الأرجل لمساعدته على تحقيق التحكم الذكي واتخاذ القرار، وتحسين كفاءة التدريب بشكل كبير. وفي تطبيق الخوارزمية نفسها، يمكن لهذه المجموعة من التقنيات أن تساعد الروبوتات على تحسين قدرتها على التفكير، ومساعدة الروبوتات على اتخاذ قرارات مستقلة، وتوليد الإجراءات وردود الفعل والتعبيرات تلقائيًا التي تشبه إلى حد كبير كائنات حقيقية تعتمد على ردود أفعال خارجية. في ظل البحث والتدريب المستمر، وبعد الكثير من التدريب على المحاكاة، تعلم الروبوت المجهز بهذه التقنية حركات الكلاب الحقيقية مثل المشي والجري والقفز والوقوف وما إلى ذلك، ويمكنه استخدام هذه الأوضاع بمرونة لإكمال الزحف وتخطي الحواجز. الجري، وعوائق الباركور المكوكية بين الأشياء والمهام الأخرى؛ حتى إذا واجهت عقبة لا تعرفها مسبقًا، يمكنك تفاديها بوميض ضوئي، وتجنبها ببراعة، وتعديل المسار بشكل مستقل، واستخدام خطط طريق مختلفة ل أكمل الهدف المحدد (كما هو موضح في الشكل أدناه). [8]
الشكل 4: روبوت رباعي الأرجل متعدد الوسائط مطور ذاتيًا من Tencent
** من التقليد إلى التعالي: الذكاء الاصطناعي للعبة يؤثر على العالم الحقيقي **
استنادًا إلى بيئة اللعبة، قام البشر بتعليم الذكاء الاصطناعي كيفية تحقيق "المشي والجري" بشكل أفضل في البيئة الافتراضية، لكن قيمة أبحاث الذكاء الاصطناعي للعبة لا تتوقف عند هذا الحد. وكما ورد في مقال مجلة Science، "سيكون التقدم في الذكاء الاصطناعي في الألعاب أيضًا خطوة مهمة نحو أنظمة ذكاء اصطناعي أكثر قوة ومرونة تعمل في العالم الحقيقي."** الأنواع الثمانية عشر من فنون الدفاع عن النفس التي يتعلمها الذكاء الاصطناعي من خلال "التقليد" "في اللعبة لها خصائص وقيم قابلة للتحويل وعالمية في مجموعة متنوعة من المشكلات والسيناريوهات الحقيقية. **
في ممارسة الأوساط الأكاديمية والصناعية في الداخل والخارج ، يحاول الباحثون من مؤسسات ومؤسسات البحث العلمي أيضًا تطبيق المزيد من تكنولوجيا الذكاء الاصطناعي للعبة في مجالات أخرى ، واستخدام لعبة الذكاء الاصطناعي لربط الاقتصاد الحقيقي ، وتشكيل إنتاجية رقمية في المزيد من المجالات:
في مجال التشخيص الطبي، تُستخدم أيضًا التقنيات ذات الصلة بالذكاء الاصطناعي للعبة في البحث الطبي والممارسات السريرية وغيرها من المجالات الطبية والصحية، بما في ذلك الفحص الشخصي والتشخيص والتشخيص والمراقبة ونمذجة المخاطر واكتشاف الأدوية والتنبؤ باستجابة العلاج، وما إلى ذلك. . خاصة فيما يتعلق بتحسين سرعة ودقة تحديد الأمراض وتشخيصها، توفر تقنية الذكاء الاصطناعي للألعاب دعمًا فعالاً. يمكن لتقنية الذكاء الاصطناعي للعبة أيضًا محاكاة المشهد الافتراضي لحالة المريض أو العملية من خلال البيانات التاريخية، وتوفير الدعم لاتخاذ القرار الطبي من خلال التعلم المعزز، وكذلك جعل الجراحة بمساعدة الروبوت ممكنة.
في مجال الأنشطة التعليمية ، يتمتع الذكاء الاصطناعي للعبة أيضًا بإمكانيات تطبيق كبيرة. من ناحية أخرى ، يمكن للأشخاص الرجوع إلى نتائج أبحاث الذكاء الاصطناعي للعبة لإنشاء أو تحسين أشكال جديدة من الأنشطة التعليمية مثل "التعلم القائم على الألعاب" و "التلعيب في التعليم" ، وذلك لتحسين عملية التدريس التقليدية. العناصر والآليات الفريدة للعبة في اللعبة لتحقيق الغرض من تحسين تأثير التعلم ؛ من ناحية أخرى ، يمكن للأشخاص أيضًا استخدام بيئات اللعبة مثل "My World" و "StarCraft" و "Glory of the King" للمساعدة في تنفيذ أنشطة تدريس الذكاء الاصطناعي (في الواقع ، يكاد يكون من المستحيل إجراء أنشطة تعليمية للتعلم المعزز بدون بيئة اللعبة). [9]
من المتوقع أنه في الفترة القادمة، سيصبح إخراج تكنولوجيا الذكاء الاصطناعي للألعاب من بيئة اللعبة اتجاهًا رئيسيًا للتطبيق. ونتوقع أيضًا أن تساعد لعبة الذكاء الاصطناعي على الابتكار والتطوير في جميع مناحي الحياة بعد خروجها من العالم الافتراضي.
بفضل العديد من الخبراء من Tencent Tianmei J3 Studio لتوجيهاتهم أثناء عملية كتابة هذه المقالة.
مصدر مرجعي:
[1] Wurman، P R.، Stone، P.، & Spranger، M (2023) تحسين الذكاء الاصطناعي باستخدام الألعاب. علم، 381 (6654) ، 147-148.
[2] مركز أبحاث فلسفة الألعاب بجامعة شيامن، وما إلى ذلك. "تقرير مراقبة صناعة الذكاء الاصطناعي للعبة"
[3] أحدث الأبحاث التي أجراها فريق الأكاديمية الصينية للعلوم: أصبحت تكنولوجيا الألعاب قوة دافعة مهمة لابتكار وتطوير الذكاء الاصطناعي.
[4] من الألعاب إلى تسريع الذكاء الاصطناعي: Nvidia على اليسار، وAMD على اليمين.
[5] هولدن ، دانيال "التحكم في الشخصية مع الشبكات العصبية والتعلم الآلي".
[6] هولدن، دانيال "التحكم في الشخصية باستخدام الشبكات العصبية والتعلم الآلي".
[7] تقنية فرط الحركة FIFA22
[8] آخر التطورات في روبوتات Tencent: تعلم "الجري والقفز" من الكلاب الحقيقية
[9] مركز أبحاث فلسفة الألعاب بجامعة شيامن "تقرير تطوير الذكاء الاصطناعي للعبة 2023"
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
من المحاكاة إلى الابتكار: ماذا يتعلم الذكاء الاصطناعي من الألعاب؟
** وانغ شو ** زميل ما بعد الدكتوراه ، معهد تينسنت للأبحاث
Meng Jingzhi متدرب في معهد Tencent للأبحاث
وفي 13 يوليو/تموز، نشرت مجلة "ساينس" مقالاً بعنوان "الألعاب تواصل دفع عجلة التطور والتقدم في الذكاء الاصطناعي"، ناقشت فيه العلاقة بين الألعاب والذكاء الاصطناعي بالتفصيل، ورأت أن "الألعاب توفر مجالاً تطبيقياً واعداً للعامة". "إن استخدام الألعاب كمنصة لدراسة الذكاء الاصطناعي له فائدة مباشرة لصناعة ألعاب الفيديو العالمية التي تبلغ قيمتها 200 مليار دولار." [1]
إذن، ما هي العلاقة بين الألعاب والذكاء الاصطناعي، وكيف تعزز الألعاب تطور وتقدم الذكاء الاصطناعي، وما تأثير ذلك على حياة الناس؟
** التآزر والتكافل: الألعاب والذكاء الاصطناعي يكملان بعضهما البعض **
إذا نظرنا إلى تاريخ تطور علوم المعلومات أو علوم الكمبيوتر بالكامل، فليس من الصعب أن نجد أن الألعاب تمر تقريبًا خلال عملية تطوير أبحاث الذكاء الاصطناعي بأكملها، وكل إنجاز بارز في مجال الذكاء الاصطناعي يرتبط ارتباطًا وثيقًا بالألعاب. في السابق، ناقش مركز أبحاث فلسفة الألعاب بجامعة شيامن العلاقة بين الألعاب وتطوير الذكاء الاصطناعي من المستويات الثلاثة النظرية والأجهزة والتطبيق. [2] ：
**اللعبة تلهم نظرية الذكاء الاصطناعي وتساعد في البحث وتطوير الذكاء الاصطناعي. **منذ شانون، أبو المعلومات، الذي بدأ دراسة الذكاء الاصطناعي باستخدام الشطرنج كأداة في عام 1950، إلى صموئيل، رائد الذكاء الاصطناعي، الذي اخترع خوارزميات التعلم المعزز القائمة على لعبة الداما. لطالما اعتُبرت ألعاب الطاولة، مثل الشطرنج والداما، بمثابة "ذباب ثمار أبحاث الذكاء الاصطناعي"، أي وسيلة منخفضة التكلفة ويمكن إدراكها للتحقق بسرعة من المشكلات. اليوم، التطور السريع لصناعة الألعاب يعزز بشكل مباشر ازدهار البحث النظري حول الذكاء الاصطناعي. من عام 1971 إلى عام 2015، كان عدد الأوراق البحثية المتعلقة بالذكاء الاصطناعي المتعلقة بالألعاب أقل من 1000. ومع ذلك، منذ أن هزمت AlphaGO بطل Go الأوروبي ثلاث مرات Fan Hui في عام 2015، شهدت أبحاث الذكاء الاصطناعي المتعلقة بالألعاب نموًا هائلاً منذ عام 2015. حتى عام 2022، وفي السنوات السبع من عام 2019، وصل عدد الأوراق البحثية ذات الصلة إلى 1625 ورقة، منها 17 ورقة أصبحت مقالات غلاف "الطبيعة" و"العلم". [3]
**تروج اللعبة للتكرار المبتكر للبنية التحتية لطاقة الحوسبة والذكاء الاصطناعي GPU (بطاقة الرسومات الرسومية). **إذا أخذنا شركة الرقائق Nvidia كمثال، وانطلاقًا من التغيرات في الإيرادات وإجمالي إيرادات أعمال Nvidia للألعاب ومراكز البيانات من عام 1995 إلى 2022، فإن جميع إيرادات Nvidia تقريبًا في الأيام الأولى جاءت من أعمال الألعاب، وNvidia، الاعتماد على أعمال اللعبة، إكمال تراكم الأموال، وبناء الحواجز التقنية لبناء القوة للتحول اللاحق. اليوم، برزت نفيديا بسرعة كشركة رائدة في رقائق الذكاء الاصطناعي بفضل تراكمها التكنولوجي الغني في بطاقات رسومات الألعاب والاستثمار العالي في البحث والتطوير. حاليًا، تمتلك نفيديا حصة سوقية تبلغ 95٪ في رقائق تدريب الذكاء الاصطناعي. [4] . أصبحت العديد من التقنيات المتراكمة بواسطة بطاقات رسومات الألعاب هي أيضًا القدرات الأساسية الأساسية لوحدات معالجة الرسومات NVIDIA، ويتم تطبيقها على المزيد من المجالات مثل القيادة الذاتية والرعاية الطبية وعلوم الحياة والطاقة والخدمات المالية والتصنيع.
**توفر الألعاب الذكاء الاصطناعي مع بيئة تدريب يمكن التحكم فيها ومعايير قياس واضحة. **لعبة تحتوي على أهداف وقواعد وتحديات، وعملية حل التحديات تعكس الذكاء. لذلك، عند إنشاء برنامج يمكنه إكمال لعبة معينة، يمكن الافتراض أن هذا البرنامج سيمتلك نوعًا من "الذكاء" "الشبيه بالإنسان" إلى حد ما. من ناحية، تحتوي اللعبة على مشاهد غنية للتفاعل بين الإنسان والحاسوب وقواعد مستقرة ويمكن التحكم فيها، والتي يمكن أن تحل مشكلة نقص مشاهد أبحاث الذكاء الاصطناعي. من ناحية أخرى، توفر الألعاب معايير قياس واضحة للذكاء الاصطناعي، كما أن القدرة على تقييم الذكاء الاصطناعي بقواعد واضحة وقابلة للقياس في الألعاب يمكن أن تحسن بشكل كبير كفاءة تكرار التكنولوجيا واختبارها.
إلى جانب التكرار التكنولوجي وابتكار التطبيقات، بدأ المزيد والمزيد من المؤسسات والجامعات ومؤسسات البحث العلمي في إجراء أبحاث ابتكارية في مجال الذكاء الاصطناعي تعتمد على الألعاب. لقد التزمت أبحاث لعبة الذكاء الاصطناعي بخلق أجسام ذكية تشبه الإنسان منذ البداية، وتحقيق المواجهة مع البشر في معلومات مثالية/بيئات معلومات غير كاملة (مثل الذكاء الاصطناعي AlphaStar المبني على "StarCraft 2"، والذكاء الاصطناعي المبني على "DOTA2" ") Intelligent OpenAIFive، وما إلى ذلك)، امتد للتركيز على الإنشاء التلقائي للمحتوى المتنوع في اللعبة (البيئة الافتراضية)، وذلك لتعزيز تجربة التفاعل بين الإنسان والكمبيوتر. منذ وقت ليس ببعيد، في المؤتمر العالمي للذكاء الاصطناعي لعام 2023، أطلق عدد من الجامعات بشكل مشترك "مركز الأبحاث المشترك لجامعة الذكاء الاصطناعي للألعاب"، مع التركيز على علاقة التطوير بين الألعاب وصناعة الذكاء الاصطناعي.
من القواعد البسيطة إلى عمليات المحاكاة المعقدة: يقوم البشر بتعليم الذكاء الاصطناعي كيفية "المشي والجري"
من بين العديد من أبحاث الذكاء الاصطناعي للألعاب التي تركز على التجربة التفاعلية، فإن البحث النموذجي هو توليد الحركة للعملاء الأذكياء. الوكيل هو كائن افتراضي أو حقيقي يتم التحكم فيه بواسطة آلة يمكنها التصرف والتفاعل وفقًا لظروف داخلية وخارجية مختلفة. الممثل النموذجي هو شخصية لا يتحكم فيها اللاعب (NPC) في اللعبة. تدرس تقنية توليد حركة الجسم الذكية بشكل أساسي كيفية جعل سلوك الجسم الذكي سلسًا وطبيعيًا مثل الشخص الحقيقي، وتعزيز تجربة التفاعل بين الإنسان والكمبيوتر. إذا كانت مجالات الرؤية الحاسوبية ومعالجة اللغة الطبيعية في أبحاث الذكاء الاصطناعي تركز على قدرات فهم الصورة والنص واللغة على التوالي، فإن توليد إجراءات الوكيل يتوافق مع مجال الذكاء الاصطناعي للتحكم في السلوكيات والأفعال.
تاريخيًا، مر تطوير تقنية توليد الحركة عبر عملية بدءًا من القواعد البسيطة إلى عمليات المحاكاة المعقدة، بدءًا من أول آلة ذات حالة محدودة وحتى خوارزميات مطابقة الحركة، ثم إلى توليد الحركة استنادًا إلى التعلم الآلي. ومن خلال محاكاة الإجراءات البشرية، يتعلم الوكلاء تدريجيًا المشي والجري مثل الإنسان.
** (1) إنشاء العمل على أساس مطابقة القواعد **
في البيئة الافتراضية ، تعتبر الإجراءات المختلفة للوكيل ، مثل المشي والجري والقفز والهجوم وما إلى ذلك ، حالات مختلفة. عادةً ما يستخدم المطورون الأوائل "آلة الحالة" للتحكم في سلوك الوكيل، عن طريق ربط الإجراءات المختلفة للوكيل معًا وفقًا لظروف مختلفة. وميزة هذا النهج هو أنه يمكن تحديد قواعد الانتقال بين الحالات بشكل واضح، على سبيل المثال، يمكن تحويل حالة المشي إلى الجري أو القفز. يوضح الشكل أدناه آلة الحالة المحدودة التي يستخدمها الوكيل في اللعبة.
ليس من الصعب أن تجد أن ميزة هذا النهج هي أنه يمكن أن يحدد بوضوح قواعد الانتقال بين الدول ، على سبيل المثال ، يمكن تحويل حالة المشي إلى الجري أو القفز ؛ القيد هو أنه قد يكون من الصعب التعامل مع معقدة التفاعلات السلوكية وتوقع تغييرات الحالة المستقبلية. يمكن أن يصبح تصميم وصيانة آلة الحالة معقدًا للغاية ويستغرق وقتًا طويلاً للأنظمة شديدة التعقيد بسبب الحاجة إلى منطق مكتوب يدويًا للانتقال من عقدة إلى أخرى.
من أجل حل قيود التطبيق على آلة الحالة، بدأ علماء الذكاء الاصطناعي للعبة في استكشاف حلول أكثر كفاءة لتوليد الحركة، وظهرت تقنية مطابقة الحركة (مطابقة الحركة). بالمقارنة مع جهاز الحالة، لم تعد هذه التقنية بحاجة إلى ربط مقاطع بيانات التقاط الحركة المختلفة يدويًا، ولكنها تستخدم بيانات التقاط الحركة لإنشاء قاعدة بيانات لوضعيات الحركة، واختيار ومزج مقاطع الحركة الأكثر ملاءمة في الوقت الفعلي وفقًا للحالة الحالية وحالة الوكيل المستهدفة. ونتيجة لذلك، يمكن تحقيق تحكم أكثر تعقيدًا ودقة في الرسوم المتحركة وفقًا لحالة الشخصية والعوامل البيئية في الوقت الفعلي، بحيث يمكن للجسم الذكي تقديم تأثير حركة أكثر طبيعية وسلاسة.
بالطبع، تقنية مطابقة الحركة لها أيضًا قيود معينة في الممارسة العملية، على سبيل المثال، تحتاج إلى الاحتفاظ بجميع بيانات الرسوم المتحركة في الذاكرة عند استخدامها، مما يشغل قدرًا كبيرًا من الذاكرة، وجميع الرسوم المتحركة هي محتوى موجود في قاعدة البيانات، وهو أمر لا يمكن تحقيقه • الابتكار في الرسوم المتحركة المتحركة. حتى في "Red Dead Redemption 2"، التي تجعل الشخصيات غير القابلة للعب واقعية بدرجة كافية، فإنها تدرك فقط "المطابقة الرياضية". على الرغم من أن اللعبة صممت المئات من الرسوم المتحركة المختلفة للحصان، بل إن هناك مئات من الأصوات المختلفة لللهث، إلا أن هذه ليست ذكاءً حقيقيًا، ولكنها مكدسة بقواعد آلة الدولة الضخمة وموارد الرسوم المتحركة.
(2) إنشاء إجراءات الوكيل بناءً على التعلم الآلي
سواء كان يعتمد على آلة الحالة أو تقنية مطابقة الحركة، فإنه لم يحقق توليد عمل ذكي حقيقي في جوهره، وهناك مشاكل في النظام المعقد وخسارة كبيرة في عملية تطبيق الهبوط. لذا، هل هناك طريقة لإضافة أي قدر تريده من بيانات الإجراء عند تدريب النموذج، وليس هناك حاجة لوضع هذه البيانات الإضافية في الذاكرة عند تشغيل اللعبة؟
ولتحقيق هذه الغاية، أجرت الدوائر الأكاديمية والصناعات في الداخل والخارج العديد من الاستكشافات، في محاولة لتحقيق التوليد التلقائي لتصرفات الجسم الذكية بناءً على التعلم الآلي. وفي الخارج، قامت شركة EA الأمريكية بتطوير تقنية HyperMotion في عام 2021، والتي أدت إلى تحسين الواقعية وسرعة الاستجابة لحركات الجسم الذكية في ألعاب سلسلة FIFA بشكل كبير. يستخدم الحل الفني أولاً تقنية التقاط الحركة لالتقاط أكثر من 8.7 مليون إطار من بيانات الحركة لـ 22 لاعب كرة قدم محترف في اللعبة، ثم يستخدم خوارزميات التعلم الآلي للتعلم المستمر من 8.7 مليون إطار من البيانات، وأخيرًا يدرك الواقع الحقيقي - حركة الوقت للأجسام الذكية في اللعبة تولد. [7]
في الصين، منذ عام 2019، حاولت Tencent تطبيق نموذج الشبكة العصبية ذاتية الانحدار (ARNN) على حل توليد الإجراء للوكيل، وحققت تقدمًا كبيرًا. ARNN هي خوارزمية للتعلم الآلي تستخدم على نطاق واسع في تحليل ومعالجة بيانات السلاسل الزمنية، وغالبًا ما تستخدم في سيناريوهات مثل التنبؤ بالطقس وسوق الأسهم. إذا كان من الممكن استخدامه في مجال العمل، فسيكون من الممكن التقاط عدد كبير من الأشخاص الحقيقيين وإدخال البيانات للتدريب، والسماح لنموذج الذكاء الاصطناعي بالتنبؤ بالإطار التالي لإطار تسلسل العمل، وأخيرًا إنشاء إطار كامل والعمل الطبيعي بشكل متماسك.
من أجل تحقيق هذا الهدف، في عام 2019، تعاون فريق "Reverse Battle Mobile Games" التابع لـ Tianmei J3 Studio مع مختبر Tencent RoboticsX، استنادًا إلى بحث نموذج ARNN، وفتح واستكمل تدريجيًا التكنولوجيا المتطورة في هذا المجال. الألعاب والروبوتات - بحث وتطوير "تقنية توليد عمل الجسم الذكي". تعتمد هذه التقنية على مبدأ نموذج ARNN، وتتعلم بيانات التقاط الحركة، وتستخدم خوارزميات تكيفية تعتمد على البيانات للسماح للشخصيات غير القابلة للعب أو الروبوتات بإنشاء إجراءات وردود أفعال وتعبيرات تشبه المخلوقات الحقيقية وفقًا لتفاعلات خارجية مختلفة مثل كعمليات اللاعب أو التغيرات البيئية.
** حققت هذه المجموعة من حلول تقنية توليد الحركة المستندة إلى ARNN والتي اقترحها فريق ألعاب الجوّال المناهض للحرب بشركة Tencent إنجازات متعددة في الصناعة: **
أولاً، من أجل تنفيذ خوارزمية الشبكة العصبية ذات الانحدار الذاتي، أنشأ الباحثون سلسلة أدوات كاملة من الصفر، وأنشأوا خط إنتاج كامل من خلال خطوات مثل التقاط الحركة والمعالجة المسبقة للرسوم المتحركة والتدريب والضبط. من أجل حل مشاكل مزامنة الشبكة وتحسين الأداء التي قد توجد عند تطبيق هذه التكنولوجيا على المحطة المتنقلة، اعتمد الفريق تقنية مطابقة المسار، وتكنولوجيا الرسوم المتحركة الاندماجية وحلول مستوى الخوارزمية المقابلة، مما أدى إلى تحسين الأداء العام بشكل كبير وتقليل الخلل العصبي أداء الشبكة.الذاكرة الزائدة للاستدلال.
ثانيًا، تعاون فريق البحث مع Tencent RoboticsX Lab لتطبيق تقنية توليد حركة الجسم الذكية على الروبوت رباعي الأرجل لمساعدته على تحقيق التحكم الذكي واتخاذ القرار، وتحسين كفاءة التدريب بشكل كبير. وفي تطبيق الخوارزمية نفسها، يمكن لهذه المجموعة من التقنيات أن تساعد الروبوتات على تحسين قدرتها على التفكير، ومساعدة الروبوتات على اتخاذ قرارات مستقلة، وتوليد الإجراءات وردود الفعل والتعبيرات تلقائيًا التي تشبه إلى حد كبير كائنات حقيقية تعتمد على ردود أفعال خارجية. في ظل البحث والتدريب المستمر، وبعد الكثير من التدريب على المحاكاة، تعلم الروبوت المجهز بهذه التقنية حركات الكلاب الحقيقية مثل المشي والجري والقفز والوقوف وما إلى ذلك، ويمكنه استخدام هذه الأوضاع بمرونة لإكمال الزحف وتخطي الحواجز. الجري، وعوائق الباركور المكوكية بين الأشياء والمهام الأخرى؛ حتى إذا واجهت عقبة لا تعرفها مسبقًا، يمكنك تفاديها بوميض ضوئي، وتجنبها ببراعة، وتعديل المسار بشكل مستقل، واستخدام خطط طريق مختلفة ل أكمل الهدف المحدد (كما هو موضح في الشكل أدناه). [8]
** من التقليد إلى التعالي: الذكاء الاصطناعي للعبة يؤثر على العالم الحقيقي **
استنادًا إلى بيئة اللعبة، قام البشر بتعليم الذكاء الاصطناعي كيفية تحقيق "المشي والجري" بشكل أفضل في البيئة الافتراضية، لكن قيمة أبحاث الذكاء الاصطناعي للعبة لا تتوقف عند هذا الحد. وكما ورد في مقال مجلة Science، "سيكون التقدم في الذكاء الاصطناعي في الألعاب أيضًا خطوة مهمة نحو أنظمة ذكاء اصطناعي أكثر قوة ومرونة تعمل في العالم الحقيقي."** الأنواع الثمانية عشر من فنون الدفاع عن النفس التي يتعلمها الذكاء الاصطناعي من خلال "التقليد" "في اللعبة لها خصائص وقيم قابلة للتحويل وعالمية في مجموعة متنوعة من المشكلات والسيناريوهات الحقيقية. **
في ممارسة الأوساط الأكاديمية والصناعية في الداخل والخارج ، يحاول الباحثون من مؤسسات ومؤسسات البحث العلمي أيضًا تطبيق المزيد من تكنولوجيا الذكاء الاصطناعي للعبة في مجالات أخرى ، واستخدام لعبة الذكاء الاصطناعي لربط الاقتصاد الحقيقي ، وتشكيل إنتاجية رقمية في المزيد من المجالات:
في مجال التشخيص الطبي، تُستخدم أيضًا التقنيات ذات الصلة بالذكاء الاصطناعي للعبة في البحث الطبي والممارسات السريرية وغيرها من المجالات الطبية والصحية، بما في ذلك الفحص الشخصي والتشخيص والتشخيص والمراقبة ونمذجة المخاطر واكتشاف الأدوية والتنبؤ باستجابة العلاج، وما إلى ذلك. . خاصة فيما يتعلق بتحسين سرعة ودقة تحديد الأمراض وتشخيصها، توفر تقنية الذكاء الاصطناعي للألعاب دعمًا فعالاً. يمكن لتقنية الذكاء الاصطناعي للعبة أيضًا محاكاة المشهد الافتراضي لحالة المريض أو العملية من خلال البيانات التاريخية، وتوفير الدعم لاتخاذ القرار الطبي من خلال التعلم المعزز، وكذلك جعل الجراحة بمساعدة الروبوت ممكنة.
في مجال الأنشطة التعليمية ، يتمتع الذكاء الاصطناعي للعبة أيضًا بإمكانيات تطبيق كبيرة. من ناحية أخرى ، يمكن للأشخاص الرجوع إلى نتائج أبحاث الذكاء الاصطناعي للعبة لإنشاء أو تحسين أشكال جديدة من الأنشطة التعليمية مثل "التعلم القائم على الألعاب" و "التلعيب في التعليم" ، وذلك لتحسين عملية التدريس التقليدية. العناصر والآليات الفريدة للعبة في اللعبة لتحقيق الغرض من تحسين تأثير التعلم ؛ من ناحية أخرى ، يمكن للأشخاص أيضًا استخدام بيئات اللعبة مثل "My World" و "StarCraft" و "Glory of the King" للمساعدة في تنفيذ أنشطة تدريس الذكاء الاصطناعي (في الواقع ، يكاد يكون من المستحيل إجراء أنشطة تعليمية للتعلم المعزز بدون بيئة اللعبة). [9]
من المتوقع أنه في الفترة القادمة، سيصبح إخراج تكنولوجيا الذكاء الاصطناعي للألعاب من بيئة اللعبة اتجاهًا رئيسيًا للتطبيق. ونتوقع أيضًا أن تساعد لعبة الذكاء الاصطناعي على الابتكار والتطوير في جميع مناحي الحياة بعد خروجها من العالم الافتراضي.
بفضل العديد من الخبراء من Tencent Tianmei J3 Studio لتوجيهاتهم أثناء عملية كتابة هذه المقالة.
مصدر مرجعي:
[1] Wurman، P R.، Stone، P.، & Spranger، M (2023) تحسين الذكاء الاصطناعي باستخدام الألعاب. علم، 381 (6654) ، 147-148.
[2] مركز أبحاث فلسفة الألعاب بجامعة شيامن، وما إلى ذلك. "تقرير مراقبة صناعة الذكاء الاصطناعي للعبة"
[3] أحدث الأبحاث التي أجراها فريق الأكاديمية الصينية للعلوم: أصبحت تكنولوجيا الألعاب قوة دافعة مهمة لابتكار وتطوير الذكاء الاصطناعي.
[4] من الألعاب إلى تسريع الذكاء الاصطناعي: Nvidia على اليسار، وAMD على اليمين.
[5] هولدن ، دانيال "التحكم في الشخصية مع الشبكات العصبية والتعلم الآلي".
[6] هولدن، دانيال "التحكم في الشخصية باستخدام الشبكات العصبية والتعلم الآلي".
[7] تقنية فرط الحركة FIFA22
[8] آخر التطورات في روبوتات Tencent: تعلم "الجري والقفز" من الكلاب الحقيقية
[9] مركز أبحاث فلسفة الألعاب بجامعة شيامن "تقرير تطوير الذكاء الاصطناعي للعبة 2023"