सार:
जीपीटी-6 एस्ट्रा ने शून्य मृत्यु के साथ 40 मिनट में "वर्ल्ड ऑफ वॉरक्राफ्ट" ऑर्क नोविस विलेज को पूरा किया। मुख्य बात यह है कि
इसने कभी गेम स्क्रीन नहीं देखी, यहां तक कि एक फ्रेम भी नहीं
. एजेंट-वॉव नामक एक ओपन सोर्स प्रोजेक्ट ने इसे एक निजी वर्ल्ड ऑफ वॉरक्राफ्ट सर्वर से जोड़ा।
एस्ट्रा
स्क्रीन को न देखें, सीधे गेम के नीचे नेटवर्क डेटा पैकेट पढ़ें
, अंदर से पूरी दुनिया को बयां कर रहा है।फिर यह
अपने स्वयं के उपकरण बनाता है, अपनी स्वयं की रणनीतियों की जांच करता है, और अपने स्वयं के मार्गों की योजना बनाता है
, कार्यों को पूरा करना, कचरा बेचना, हथियार बदलना, कौशल सीखना, संपूर्ण "ट्रायल वैली" को पूरा करना, और सेन'जिन गांव तक पहुंचना।कुछ लोगों ने पहले वर्ल्ड ऑफ वॉरक्राफ्ट खेलने के लिए एआई का उपयोग करने की कोशिश की है।
GitHub पर कई प्रोजेक्ट पाए जा सकते हैं, जिनमें दृश्य पहचान के लिए OpenCV और PyTorch का उपयोग करने वाले, और वर्णों को नियंत्रित करने के लिए LLM और स्क्रीनशॉट का उपयोग करने वाले प्रोजेक्ट शामिल हैं, लेकिन मूल रूप से वे दृश्य मार्ग से दूर नहीं गए हैं।
इसके अलावा, इनमें से अधिकांश परियोजनाएं अभी भी "राक्षसों को चलाने और लड़ने में सक्षम होने" के चरण में हैं, और संपूर्ण कार्य श्रृंखला को पूरा करने का कोई रिकॉर्ड नहीं है।
लेकिन वर्तमान एजेंट-वाह ने स्क्रीन नहीं देखी, और किसी ने उसे खेलना नहीं सिखाया। इसने डेटा से खुद ही गेम का पता लगा लिया।
40 मिनट में क्या हुआ
वैली ऑफ ट्रायल्स वर्ल्ड ऑफ वॉरक्राफ्ट में ऑर्क रेस के लिए नौसिखिया क्षेत्र है, और यह पूरे गेम का सबसे क्लासिक उद्घाटन भी है।
2004 में इसके लॉन्च के बाद से, लाखों खिलाड़ियों ने अपने पहले जंगली सूअर को काट लिया है, अपने पहले मिशन पर ले गए हैं, और "पहले कचरा बेचो और फिर मिशन करो" का जीवित रहने का नियम सीखा है।
यहां सभी कार्यों को पूरा करने में एस्ट्रा को 40 मिनट लगे।
यह एक भी कदम छोड़े बिना पूर्ववर्ती कार्य श्रृंखला के साथ क्रमिक रूप से आगे बढ़ता है। प्रत्येक कार्य पूरा होने के बाद, यह पार करने और अगले का नेतृत्व करने के लिए एनपीसी में लौट आता है।
रास्ते में, इसने यह भी तय किया कि किसे कूड़े के रूप में फेंक दिया गया था, उन्हें पैसे के लिए बेच दिया, और उनके स्थान पर ऐसे हथियार दिए जो उसके पास से बेहतर थे।
अंतिम गुफा में प्रवेश करने से पहले, उसने कुछ ऐसा किया जो केवल अनुभवी खिलाड़ी ही कर सकते थे, और नए कौशल सीखने के लिए प्रशिक्षक के पास दौड़ा।
साथ ही यह गुफा में एक साथ दो कार्य भी स्वीकार करता है। आप एक ही यात्रा में दोनों काम कर सकते हैं, जिससे आपकी एक यात्रा बच जाएगी।
इस तरह का ऑपरेशन "पहले तैयारी करें और फिर छेद में प्रवेश करें, समानांतर में मल्टी-टास्किंग" शीघ्र शब्दों में प्रतिबिंबित नहीं होता है। यह कार्य डेटा और एनपीसी स्थितियों से अनुमानित एस्ट्रा की इष्टतम रणनीति है।
बीच में एक और आश्चर्य हुआ।
एस्ट्रा ने पाया कि मानचित्र पर ऐसे कई क्षेत्र हैं जहां टकराव का पता नहीं चल पाया है। गेम का नेविगेशन ग्रिड बताता है कि आप वहां चल सकते हैं, लेकिन वास्तविक इलाके में दीवारें होनी चाहिए। यह ठीक दीवार के पार चला गया.
डेवलपर ने उल्लेख किया कि यह एक बग शोषण है।
नेविगेशन जाल वास्तविक टकराव निकाय के बिल्कुल समान नहीं है। एस्ट्रा को नहीं पता कि यह एक बग है और उसे इसकी परवाह नहीं है। यह तभी चलता है जब मार्ग संभव हो।
एस्ट्रा की पूरी प्रक्रिया में शून्य मौतें हुईं। आख़िरकार, यह एक नौसिखिया क्षेत्र है, और राक्षस वास्तव में मुश्किल नहीं हैं।
लेकिन एक ऐसे एजेंट के लिए जिसने कभी गेम स्क्रीन नहीं देखी है, और उसे कभी भी "राक्षसों से लड़ने से पहले कौशल सीखने" या "कचरा उपकरण बेचने" के लिए नहीं कहा गया है, वह अटके, खोए बिना, या राक्षसों से लड़ने के लिए भागे बिना सभी कार्यों को सफाई से पूरा कर सकता है, जिसे उसे नहीं लड़ना चाहिए। यह परिणाम कई वास्तविक नौसिखियों से भी अधिक है।
खिलाड़ी जो स्क्रीन की ओर नहीं देखते
एजेंट-वॉव कैसे काम करता है इसका परिचय निम्नलिखित है।
एजेंट-वॉव एक ओपन सोर्स फ्रेमवर्क है, निचली परत एज़ेरोथकोर प्राइवेट सर्वर चलाती है, और क्लाइंट संस्करण 3.3.5a है।
जो लोग Warcraft से परिचित हैं, वे जानते हैं कि यह 2010 के क्लाइंट, रैथ ऑफ़ द लिच किंग का अंतिम संस्करण है।
एजेंट-वॉव के बारे में दिलचस्प बात यह है कि यह एआई के लिए कुछ नहीं करता है।
फ़्रेमवर्क किसी भी गेम लॉजिक को परिभाषित नहीं करता है, राक्षसों को हराने में आपकी मदद नहीं करता है, आपको रास्ते ढूंढने में मदद नहीं करता है, और कार्यों को स्वीकार करने में आपकी मदद नहीं करता है।
यह केवल एक मॉड्यूल सिस्टम को उजागर करता है, जिससे एआई को यह तय करने की अनुमति मिलती है कि उसे किन क्षमताओं की आवश्यकता है और उन्हें स्वयं बना सकता है।
डेवलपर्स का कहना है कि इस मॉड्यूल सिस्टम ने एजेंट-वाह की जटिलता को कम से कम एक परिमाण तक कम कर दिया है।
फ़्रेम सरल है, लेकिन मॉडल सरल नहीं है। एस्ट्रा के पास पूर्ण गेम कंट्रोलर नहीं है, केवल कुछ हिस्से हैं।
पहली चीज़ जो उसने की वह थी अपने लिए एक धारणा प्रणाली का निर्माण करना।
यह 28 सर्वर संदेश प्रकारों की सदस्यता लेता है, जिनमें से सभी एसएमएसजी_* से शुरू होने वाले निचले स्तर के डेटा पैकेट हैं, जो विश्व स्थिति अपडेट, प्राणी आंदोलन, कार्य ट्रिगरिंग, लड़ाकू मूल्य और हेलो प्रभाव को कवर करते हैं।
गेम के दौरान, यह इन संदेशों को लगातार पोल करने और मूल डेटा पैकेट को एक विश्व मॉडल में पार्स करने के लिए एक पायथन स्क्रिप्ट का उपयोग करता है जो मेमोरी में लगातार ताज़ा होता है।
आप स्क्रीन पर एक जंगली सूअर को दौड़ते हुए देखते हैं। एस्ट्रा डेटा पैकेट में जो देखता है वह निर्देशांक, दिशा, गति और स्वास्थ्य के साथ एक प्राणी आंदोलन संदेश है।
यह आपके जैसी ही दुनिया को देखता है, लेकिन पूरी तरह से अलग दृष्टिकोण से।
मिशन की जानकारी सीधे AzerothCore की SQL डेटाबेस फ़ाइल से ली गई है।
प्रत्येक कार्य के लिए आवश्यकताएँ, प्री-चेन और एनपीसी स्पॉन पॉइंट निर्देशांक सभी डेटाबेस में उपलब्ध हैं।
डेवलपर ने इसकी तुलना एक मानव खिलाड़ी से की है जो वॉवहेड पर रणनीतियों की तलाश में घंटों बिताता है। अंतर यह है कि एस्ट्रा वेब पेज को छोड़ देता है और सीधे मूल डेटाबेस फ़ाइल को पढ़ता है।
पाथफ़ाइंडिंग शायद पूरी चीज़ का सबसे अच्छा हिस्सा है।
एस्ट्रा ने AzerothCore की mmaps फ़ाइल को लोड करने के लिए Detour नेविगेशन लाइब्रेरी का उपयोग करके स्वयं एक C++ प्रोग्राम तैयार किया।
MMaps World of Warcraft का नेविगेशन ग्रिड है, जो रिकॉर्ड करता है कि मानचित्र पर किन स्थानों पर चला जा सकता है, कौन सी दीवारें हैं, और कौन सी जगहें पानी हैं।
प्रोग्राम प्रारंभ और अंत बिंदुओं के निर्देशांक को स्वीकार करता है, सुलभ मार्ग की गणना करता है, और JSON प्रारूप में पथ बिंदुओं की एक स्ट्रिंग आउटपुट करता है।
एस्ट्रा इस निष्पादन योग्य फ़ाइल को कॉल करने, पथ प्राप्त करने और मोबाइल डेटा पैकेट भेजने के लिए इस प्रोग्राम के बाहर पायथन की एक और परत लपेटता है।
डेवलपर ने पूरी प्रक्रिया शुरू करने के लिए केवल एक कोडेक्स प्रॉम्प्ट शब्द का उपयोग किया
, तर्क की तीव्रता को दूसरे उच्च स्तर पर सेट किया गया है, और एस्ट्रा धारणा से लेकर कार्रवाई से लेकर पथ-खोज तक सब कुछ स्वयं ही करता है।डेवलपर की अगली योजना दो चीज़ों का परीक्षण करना है। एक यह देखना है कि क्या एक एजेंट स्वतंत्र रूप से स्तर 1 से स्तर 80 तक प्रशिक्षण ले सकता है, और दूसरा यह मूल्यांकन करना है कि क्या आइसक्राउन सिटाडेल हीरोइक कठिनाई को दूर करने के लिए कई एजेंट एक टीम के रूप में एक साथ काम कर सकते हैं।
आइसक्राउन गढ़ लिच राजा के क्रोध का अंतिम कालकोठरी है। इसे चुनौती देने के लिए 25 लोगों की टीम की आवश्यकता होती है। इसके बॉस तंत्र की जटिलता को उस समय Warcraft की दुनिया का शिखर माना जाता था।
इस कालकोठरी में मानव खिलाड़ियों को उपकरणों का अभ्यास करने, रणनीतियों को याद रखने और इसे पारित करने के लिए एक साथ काम करने में कई महीने बिताने पड़ते हैं।
अब, डेवलपर्स 25 एआई चाहते हैं जिन्होंने इसे आज़माने के लिए कभी गेम स्क्रीन नहीं देखी है।
टिप्पणियाँ