Приключенческая игра с самым опасным ИИ в мире. Что значит ии в играх?

Сегодня мы расскажем вам об удивительной нейросетевой игре: текстовом аналоге

Мы уже писали о нейронной сети GPT-2, которая может генерировать реалистичный текст. Вы можете дать ей начало предложения, и она попытается его закончить. Создатели нейронной сети сочли слишком рискованным публиковать полную версию алгоритма в открытом доступе, но энтузиаста Натана Уитмора это не остановило — на основе GPT-2 он разработал текстовую приключенческую игру GPT Adventure.

Основываясь на инфраструктуре интеллектуальной нейронной сети, GPT Advenure переписывает текст игры при каждом запуске. Все приключение создается на лету, в зависимости от того, что вы пишете. Если вы укажете текущее положение игрока и его действие — например, «иди на восток» — а затем попросите GPT-2 предсказать, что будет дальше, то он расскажет вам о последствиях этого действия. Затем игрок делает следующий шаг, и таким образом формируется законченное приключение.

В GPT Adventure игровой мир создается с использованием алгоритма прогнозирования. Это означает, что количество комнат и монстров заранее неизвестно — игра где-то начинается с начала, затем использует ИИ и определяет, что будет дальше.

Чтобы превратить GPT-2 в Dungeon Master, его создатель Натан Уитмор начал собирать записи от пользователей, которые играли в Zork и Colossal Cave Adventure. Эти текстовые приключенческие игры были созданы в середине 1970-х годов для мэйнфрейма PDP-10. Компьютер был размером с холодильник и был заметно меньше по мощности, чем даже современные смартфоны, которые теперь помещаются в вашем кармане. Уитмор черпал вдохновение в Mind Game, вымышленной игре, созданной искусственным интеллектом в научно-фантастическом романе Орсона Скотта «Игра Карточного Эндера».

«Чтобы создать GPT Adventure, мне пришлось обучить GPT-2 генерировать текст, напоминающий сюжет игры», — говорит Уитмор. «Это делается с помощью алгоритмов, которые автоматически регулируют внутренние параметры GPT-2 до тех пор, пока предложения, которые он создает, не будут похожи на текстовое приключение. GPT-2 исследует игровую механику, что позволяет полностью интегрироваться в процесс. Нейронная сеть формирует текст по принципу: «Если игрок смотрит на восток, опишите объект к востоку от него».

В результате игра очень похожа на старые текстовые приключенческие игры с теми же основными элементами и механикой. Уитмор признает, что для этого ему пришлось добавить несколько дополнительных настроек. «GPT-2 иногда допускает ошибки, например, забывает, где находится игрок», — говорит автор. «Мой код сводит к минимуму ошибки и делает игру более стабильной».

Благодаря когнитивной науке стало возможным создание искусственного интеллекта на основе биологической нейронной сети. Давайте узнаем, что такое AI, как он работает и где

Что нужно знать об искусственном интеллекте?

Впервые термин «искусственный интеллект» появился в 1956 году, тогда же были проведены первые исследования, касающиеся разработки символьных вычислительных систем. Министерство обороны США заинтересовалось исследованием, и в 2003 году было создано несколько индивидуальных личных помощников.

Интеллект — это способность воспринимать, обрабатывать и хранить информацию. У людей, животных и машин он может быть разного типа и уровня. Следует понимать, что наличие интеллекта не предполагает наличия сознания. Значит, сравнивать машину с полноценным человеком еще рано.

Интеллект позволяет вычислить то, что можно измерить, а сознание дает оценку чувств, которые может испытать только человек.

Искусственный интеллект и нейронные сети — это мощные технологии, основанные именно на машинном обучении и создании машин и компьютерных программ, оснащенных интеллектом. Искусственный интеллект пересекается со многими другими областями знаний, включая математику, статистику, психологию, теорию вероятностей, физику, обработку сигналов, машинное обучение, компьютерное зрение, лингвистику, науку о мозге и другие.

В настоящее время алгоритмы программирования для решения сложных задач с большим объемом информации требуют от разработчиков много ресурсов и много времени. Хотя вы можете создать код, который позволяет обрабатывать огромное количество данных и вычислять решения сложных проблем, этот код будет сложно использовать, потому что он будет очень громоздким, сложным для тестирования, а также не будет поддерживаться на всех устройств. Именно поэтому сейчас так важно развитие искусственного интеллекта, ведь современные технологии машинного обучения позволяют научить программировать компьютеры за нас, что ускоряет процесс вычисления сложных задач и упрощает работу.

Развитие систем искусственного интеллекта стало трендом последних лет. Особенно ярко это видно на примере смартфонов: искусственный интеллект используется для оптимизации многих действий. Посмотрим, где именно он применяется и какие перспективы ждут нас в будущем.

Железная составляющая

Искусственный интеллект также используется для оптимизации самого смартфона. Один процессор обычно использует 6-8 ядер, два из которых являются высокопроизводительными, а остальные — энергоэффективными и работают на более низкой частоте.

Нейронная сеть анализирует привычки пользователя, чтобы обеспечить оптимальный баланс между расходом заряда батареи и производительностью. Смартфон определяет, какие приложения используются чаще всего и с какой периодичностью, после чего они автоматически загружаются в оперативную память.

При прослушивании музыки или чтении веб-страниц вам не нужно много ресурсов, поэтому задействована всего пара низкочастотных ядер. А для ресурсоемких игр и программ производственные ядра периодически активируются.

Чтобы ускорить обработку вычислений для искусственного интеллекта, производители смартфонов начали выделять для этих задач отдельный вычислительный блок. Первым процессором с NPU (Neural Unit) был Kirin 970 от Huawei, выпущенный в конце 2017 года. Этот чип распараллеливает огромное количество небольших операций, которые выполняются одновременно. Центральный процессор для этого не подходит: у него всего 8 ядер. Графический ускоритель содержит тысячи ядер, но потребляет слишком много энергии.

Затем пришли другие гиганты отрасли. Apple использовала процессор A11 Bionic в iPhone X, интегрировав Neural Engine, который способен выполнять до 600 миллиардов операций в секунду.

Qualcomm реализовала аппаратную поддержку алгоритмов машинного обучения в процессорах, начиная с Snapdragon 660.

Google интегрировал в свои смартфоны специальный чип Pixel Visual Core, который ускоряет обработку фотографий.

Благодаря ему изображения HDR + в фирменном приложении камеры обрабатываются в 5 раз быстрее, чем при использовании обычного процессора. Телефон делает до 16 снимков с разной экспозицией за короткий промежуток времени, а затем объединяет их с помощью нейронной сети.

В настоящее время самым быстрым процессором в мире является Snapdragon 888. При его презентации большое внимание было уделено возможностям нового нейронного ускорителя Hexagon 780. Qualcomm утверждает, что его производительность настолько высока, что «ИИ в реальном времени может уничтожить конкретного человека из видео или введите что-нибудь другое».

Только один из них широко распространен

Супер-ИИ (Super AI)

Оксфордский философ Ник Бостром определяет супер-ИИ как: «Это любой интеллект, который значительно превосходит когнитивные способности человека практически в любой области».

Super AI превзойдет людей во всех аспектах, от творчества до жизненной мудрости и решения проблем. Машины смогут продемонстрировать интеллект, которого мы не видели у самых одаренных представителей человечества. Это тот вид искусственного интеллекта, который беспокоит многих, и, по мнению Илона Маска, именно он приведет к исчезновению людей как вида.

Что означает ИИ в играх Короче говоря, искусственный интеллект (ИИ) — это система или машина, которая может имитировать поведение человека при выполнении определенных задач и может

Применение ИИ на предприятии

Согласно последнему отчету Harvard Business Review, компании в основном используют искусственный интеллект для следующих целей:

• обнаружение и предотвращение нарушений безопасности (44 %);
• устранение технических проблем пользователей (41 %);
• сокращение объема работ по управлению производством (34 %);
• оценка соблюдения внутренних нормативных требований утвержденными поставщиками (34 %).

Искусственный интеллект в играх: роботы уже сильнее геймеров, и некоторые разработчики останутся без работы. Один из самых популярных способов внедрения ИИ — нейронный

Нейросети пока не могут сами разрабатывать игры. Но скоро научатся

Усложнение ботов — лишь малая часть того, на что способны нейронные сети. Они также активно используются при разработке игр и в некоторых областях уже вызывают у людей дискомфорт.

Вот некоторые из действий разработчика игр, с которыми хорошо справляются нейронные сети:

• Формирование образа игрового персонажа по фотографиям лиц.
• Автоматическое добавление одежды. На входе представлено несколько картинок вещей, на выходе вы получите полностью одетого персонажа.
• Создание 3D-модели объекта на основе одного или нескольких двухмерных изображений.
• Автоматическое создание позиций и уровней. При входе модель получает изображение или описание компонентов, а при выходе она предоставляет местоположение в виде 3D-модели.
• Создание лицевых анимаций. Некоторые модели генерируют голос на основе текста и соответствующего движения лицевых мышц, в то время как другие могут воссоздать трехмерный объект на основе нескольких изображений лица.
• Анимация персонажей из полнометражных изображений. На основе одного или нескольких изображений нейронная сеть создает трехмерный объект, который может двигаться: сидеть, ходить, бегать.

Пожалуй, самую известную генеративную нейронную сеть, полезную для разработки игр, NVIDIA показала в 2018 году. Разработчики научили искусственный интеллект создавать виртуальные миры на основе видео реальных дорог. На камеры были записаны несколько позиций. Затем нейронная сеть была обучена передавать «то, что она видела» в виртуальный мир с предельной точностью.

По словам разработчиков, ИИ делает каждый объект доступным для редактирования. Это означает значительную экономию времени и денег. Съемка городских улиц и последующее редактирование деталей намного проще, чем рисование мест с нуля. Правда, это относится только к играм, в которых используются пространства, существующие в реальном мире. Но потенциал нейронной сети по-прежнему огромен.

Еще одно решение от NVIDIA — нейронная сеть GauGan. Превратите наброски в реалистичные фотографии. Инструмент ускоряет отрисовку игровых позиций. После обработки бесформенные точки получаются в произведениях искусства. Чтобы продемонстрировать возможности сервиса, NVIDIA запустила онлайн-редактор — попробуйте.

Несмотря на внушительный список того, что может делать искусственный интеллект без вмешательства человека, нейронные сети по-прежнему не могут разработать даже простую игру с нуля. Максимум, на который их хватит, — это текстовые миссии. Например, на GitHub есть проект AIDungeon 2, стилизованный под классическую текстовую RPG. Его особенность в том, что игровой мир, развитие сюжета и все события генерируются нейросетью. Разработчик утверждает, что программа потенциально может создать бесконечное количество миров, которые не будут повторяться, поэтому вы можете играть в AIDungeon 2 вечно. У игры есть бесплатная браузерная версия — попробуйте.

Дизайн основан на нейронной сети GPT-2. OpenAI выпустил его в общественное достояние в ноябре 2019 года. Задача этой нейронной сети — создать связный текст из предложенного набора данных. Например, по мотивам нескольких романов Джорджа Оруэлла он создал научно-фантастическую книгу, действие которой происходит в Китае.

В начале игры пользователь выбирает несколько параметров, на основании которых формируются стартовые позиции и сюжет сюжета. Затем нейронная сеть создает мир на основе поведения игрока. Для создания новых ситуаций ИИ обращается к начальным настройкам, реакции игрока, а также к последним восьми действиям и их результатам. В результате сеть выдает связный текст, который иногда невозможно отличить от написанного человеком. Однако есть и ошибки: например, при создании диалогов игра может запутать, кто какой репликой владеет.

На данный момент нейронные сети намного хуже справляются с более сложными играми. В качестве примера можно привести эксперимент, проведенный исследователями из Технологического института Джорджии. Разработчики создали алгоритм, который наблюдает за людьми, играющими в классические игры, а затем создает новые проекты. Эксперты выбрали мимикрию в качестве метода обучения, мотивируя это тем, что именно так дети учатся быть творческими, подражая взрослым.

Искусственный интеллект видел, как люди прогрессируют на ранних уровнях Super Mario Bros., Kirby’s Adventure и Mega Man. После получения необходимых данных нейронная сеть сформировала отношения между объектами и их взаимодействие с миром. Затем исследователи предложили ИИ разработать подобное игровое пространство.

Основная проблема, с которой сталкиваются ученые, заключается в том, что нейронным сетям сложно скопировать механику игры. В этом направлении есть некоторые результаты, но исследования продолжаются. Поэтому в будущем для разработки игры надолго понадобятся настоящие специалисты, хотя ИИ уже решает некоторые задачи.

широко распространено мнение, что с последними достижениями в исследованиях искусственного интеллекта живые и интеллектуальные машины скоро окажутся на высоте…

Четвертый тип ИИ: самосознание

Конечная цель развития искусственного интеллекта — создание систем, способных формировать самооценку. В конечном итоге исследователи искусственного интеллекта должны не только понимать сознание, но и создавать машины с сознанием.

Это в некотором смысле расширение «теории разума», упомянутой в предыдущем типе ИИ. Говоря о совести, они также подразумевают самосознание. «Я хочу эту вещь» отличается от «Я знаю, что хочу эту вещь». Сознательные существа самосознательны, осознают свое внутреннее состояние и могут предвидеть поведение или чувства других. Мы предполагаем, что кто-то, сигнализирующий нам в пробке, зол или нетерпелив, потому что мы можем чувствовать себя на его месте именно так. Без теории разума мы не могли бы делать такие выводы.

Хотя мы, вероятно, далеки от создания застенчивых машин, нам необходимо сосредоточить наши усилия на пути к пониманию памяти, обучению и способности принимать решения в отношении прошлого опыта. Это важный шаг к пониманию самого человеческого разума. И это очень важно, если мы хотим спроектировать или разработать машины, способные не только классифицировать то, что они видят перед нами, но и многое другое.