AI ของ Google DeepMind กลายเป็น เกมเมอร์ ของ StarCraft 2 ที่เก่งที่สุดในโลก

แพลตฟอร์มปัญญาประดิษฐ์ของ DeepMind มีชื่อเสียงไปทั่วโลกในช่วงไม่กี่ปีที่ผ่านมา ต้องขอบคุณความเชี่ยวชาญที่ยอดเยี่ยมของเกมที่ซับซ้อนและ "เน้นสมอง" เช่น หมากรุกและโชกิ และ Go เมื่อเวลาผ่านไป พวกเขาค่อยๆ "พัฒนา" เอาชนะเกมเมอร์เนื้อและเลือดของเราด้วยเทคนิคการเรียนรู้ของเครื่องขั้นสูง

เมื่อต้นปีที่ผ่านมา โมเดล AI เวอร์ชันใหม่ที่สร้างขึ้นโดยเฉพาะสำหรับเกมวางแผนแบบเรียลไทม์ StarCraft 2 ที่เรียกว่า AlphaStar ได้รับการแนะนำโดย DeepMind AlphaStar ยังสืบทอดประเพณีของผู้อาวุโสเป็นอย่างดี ซึ่งทำให้ผู้คนต้องอับอายกับชัยชนะอย่างล้นหลามเหนือผู้เล่น StarCraft 2 ชั้นนำของโลกในปัจจุบัน

หลังจาก "ฝึกฝน" มานานเกือบ 10 เดือน AlphaStar ได้กลายเป็น "เกมเมอร์" ที่ดีที่สุดในโลกของ StarCraft 2 แล้ว! โดยเฉพาะอย่างยิ่งในวันพุธที่ 30 ตุลาคม DeepMind เผยแพร่การศึกษาใหม่เกี่ยวกับ AlphaStar ในวารสาร Nature โดยมีรายละเอียดว่าโมเดล AI นี้เข้ามาได้ไกลแค่ไหนในโลกของ StarCraft 2 และรู้สึกเสียใจที่ต้องแจ้งให้ชุมชนเกม StarCraft 2 ทราบว่า AlphaStar มีในขณะนี้ ได้รับการจัดอันดับระดับปรมาจารย์ ซึ่งหมายความว่าโมเดล AI นี้สามารถเอาชนะเกมเมอร์ StarCraft 2 ได้ถึง 99.8% ทั่วโลก

คำถามคือเหตุใดนักวิจัยจึงสร้างโมเดล AI สำหรับวิดีโอเกมเฉพาะกลุ่ม และโมเดล AI นี้สามารถสอนอะไรเราเกี่ยวกับปัญญาประดิษฐ์และเทคโนโลยีการเรียนรู้ของเครื่องได้

หากคุณไม่รู้ StarCraft 2 เป็นเกมวางแผนแบบเรียลไทม์ที่ผู้เล่นควบคุมหนึ่งในสามทีม (หรือ "การแข่งขัน" ตามสำนวนของเกม) แต่ละเผ่าพันธุ์มีคุณสมบัติเฉพาะตัว และผู้เล่นจะต้องควบคุมกองทัพหลายร้อยหน่วยบนแผนที่ขนาดใหญ่ ในขณะที่จัดการทรัพยากรเพื่อสร้างหน่วยทหาร ผู้เล่นจะต้องโจมตีศัตรูและปกป้องฐานของพวกเขาไปพร้อม ๆ กัน ด้วยรูปแบบการเล่นดังกล่าว มีกลยุทธ์และกลยุทธ์นับไม่ถ้วนตั้งแต่ง่ายไปจนถึงซับซ้อนที่ผู้เล่นสามารถนำไปใช้โดยมีเป้าหมายสูงสุดในการชนะ

ความซับซ้อนและความลึกของเกมทำให้เป็นความท้าทายที่สำคัญสำหรับ AI ไม่เหมือนในหมากรุกหรือ Go ในโลกของ StarCraft II ผู้เล่นไม่สามารถมองเห็นสิ่งที่คู่ต่อสู้กำลังทำอยู่ นอกจากนี้ ในขณะที่หมากรุกหรือ Go อนุญาตให้คุณหยุดชั่วคราวและไตร่ตรองกลยุทธ์ได้ StarCraft II เป็นเกม "เรียลไทม์" ดังนั้นเมื่อเกมเริ่มต้นขึ้น มีเพียงชัยชนะหรือความพ่ายแพ้เท่านั้นที่สำคัญ สามารถหยุดนาฬิกาได้

DeepMind นำ AlphaStar ไปใช้ระบบการฝึกอบรมที่ค่อนข้างเรียบง่าย ประการแรก ดูการเล่นซ้ำของผู้เล่นชั้นนำเกือบล้านครั้งเพื่อเรียนรู้กลยุทธ์และค้นหาวิธีเลียนแบบพวกเขา จากนั้น AlphaStar ก็ "แข่งขัน" กับโมเดล AI อื่นจาก DeepMind เพื่อที่จะสรุปได้ว่ากลยุทธ์ใดที่ให้ผลลัพธ์ที่เหมาะสมที่สุดในเทคนิคที่เรียกว่า "การเรียนรู้แบบเสริมกำลัง" (การเรียนรู้แบบเสริมกำลัง) กระบวนการนี้ฝึก AI โดยแสดงให้เห็นว่าการชนะคือ “ดี” และการแพ้คือ “ไม่ดี”

ในความเป็นจริง AlphaStar ยังมีข้อได้เปรียบเหนือมนุษย์อีกด้วย ตัวอย่างเช่น สำหรับคนปกติ มีปัจจัยที่เป็นกลางหลายประการที่สามารถจำกัดความสามารถในการคิดของสมองและความเร็วในการตอบสนองต่อแต่ละสถานการณ์ พูดตามตรง ทีมงาน DeepMind จงใจขัดขวาง AlphaStar ทำให้เวลาในการคำนวณล่าช้า เวลาแฝง และจำกัดจำนวนการดำเนินการที่สามารถทำได้ต่อนาที อย่างไรก็ตาม AlphaStar ยังคงรู้วิธีเอาชนะทุกสิ่งและดำเนินการได้อย่างยอดเยี่ยม

“ฉันพบว่ารูปแบบการเล่นของ AlphaStar น่าประทับใจอย่างยิ่ง” Dario “TLO” Wünsch ผู้เชี่ยวชาญ StarCraft II ชาวเยอรมันกล่าวในแถลงการณ์ “ระบบมีความเชี่ยวชาญอย่างมากในการประเมินตำแหน่งเชิงกลยุทธ์ และรู้อย่างแน่ชัดว่าเมื่อใดควรโจมตีหรือปล่อยคู่ต่อสู้”

ความจริงที่ว่าเครื่องจักรสามารถเอาชนะมนุษย์ได้อย่างสมบูรณ์ในวิดีโอเกมที่ซับซ้อนอาจฟังดูน่ากลัวเหมือนสถานการณ์โลกาวินาศที่หุ่นยนต์บุกโลก แต่ในความเป็นจริงแล้ว ทีม DeepMind ได้พัฒนาโมเดล AI เช่น AlphaStar เพื่อปรับปรุงระบบอื่น ๆ ในโลกแห่งความเป็นจริง

สำหรับนักวิจัย การเรียนรู้เกมกลยุทธ์แบบเรียลไทม์ที่ซับซ้อนอย่าง StarCraft II เป็นหนึ่งในก้าวแรกสู่การสร้าง AI ที่ดีขึ้นและปลอดภัยยิ่งขึ้นสำหรับแอปพลิเคชันที่อาจเปลี่ยนแปลงมนุษยชาติ เช่น การดูแลสุขภาพ ยานพาหนะที่ขับเคลื่อนอัตโนมัติ และหุ่นยนต์