AI slår nu også mennesker i Quake III Arena

Illustration: screendump Youtube
Kunstig intelligens slår nu også mennesker i det populære skydespil.

Nyudviklet kunstig intelligens er så kompetent, at den kan besejre menneskelige spillere i skydespillet 'Quake III Arena'. AI'en FTW (som i slangudtrykket 'For the Win') er udviklet af Deep Mind, et af Googles underselskaber, som specialiserer sig i at skabe kunstig intelligens, der kan banke mennesker i spil.

Det skriver Ars Technica.

FTW spillede 100.000 spil mod sig selv, før programmet kunne slå en helt normal menneskelig spiller, og 200.000 spil, før programmet kunne slå menneskelige 'Quake II Arena'-eksperter. På forskellige stadier af udviklingen blev programmet sluppet løs i 'Quake III Arena'-turneringer mod mennesker.

Google Deep Mind har tidligere slået menneskelige modstandere i ældgamle brætspil som go og skak. Her var løsningen at lade de respektive systemer Alpha Go og Alpha Zero spille tusindvis af spil mod sig selv, indtil de blev så kompetente, at de spillede tæt på perfekt. Eksempelvis nåede skakprogrammet Alpha Zero et niveau, hvor den spillede næsten perfekt skak, besejrede det hidtil mest kompetente skakprogram, Stockfish, samt stort set kun fik remis i spil mod sig selv.

Læringslag

'Quake III Arena' er et skydespil, hvor spillere fordelt på to hold forsøger at stjæle modspillernes flag i klassisk 'capture the flag'. På overfladen et ret simpelt spil, hvor man skyder sine modstandere med diverse våben, forsvarer sit holds flag og stjæler modstanderens.

Men det er kun overfladen – for hvor på banen skal spillerne placere sig? Hvilke våben er bedst? Hvornår skal man angribe, og hvornår skal man forsvare sig? Hvordan gør man bedst dette?

De resulterende kombinationer af bevægelser, valg og skud er næsten uendelige og dermed betydeligt mere komplicerede end i spil som skak og go.

Beslutningerne træffes i realtid med uperfekt viden om, hvor modspillerne er, og desuden varierer banen, så de givne løsninger skal være så robuste, at de kan virke på alle tænkelige kamppladser. Netop derfor er det så interessant en udfordring for kunstig intelligens.

FTW har to læringslag: et strategisk, der beslutter, hvilke strategier man skal benytte - om man skal angribe eller forsvare - og et taktisk, der styrer, hvordan man bedst udkæmper de kampe, strategien dikterer. Dette kalder FTW for inner layer og outer layer. Det yderste strategiske lag fokuserer på at vinde spillet, det indre taktiske på at vinde de individuelle kampe.

Evolution

FTW er trænet med en evolutionær tilgang kaldet 'population-based training - efter hver træningsrunde kasseres de værste simulerede spillere, mens mutationer introduceres i de bedste. Dermed har man mulighed for ved hvert spil at få bedre løsninger.

Denne træningsmetode er primært anvendt på det strategiske lag.

På det taktiske lag, eller inner layer, hvor programmets spillere skal identificere modstandere, bevæge sig og skyde, har Deep Mind anvendt et standard neuralt netværk trænet med reinforcement learning.

Udviklingen viste, at FTW af sig selv lærte at anvende mange af de teknikker, som menneskelige Quake-spillere anvender, herunder at forsvare eget flag og gemme sig i modspillerens base.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (1)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Axel Nielsen

Så mangler vi bare at nogen finder på at implementere benævnte software i en passende autonom robot og slipper en flok af dem løs...

I Terminator udregner AI at mennesket er en trussel og forsøger at udrydde det... AI var altså virkeligt intelligent.

Det behøver slet ikke være så avanceret - FTW strategien har jo ikke noget intelligent "formål" - Andet end at være dén eller det hold der er tilbage når spillet er slut.

Man aner for sig et tragikomisk scenarie hvor røgen over slagmarken langsomt letter og afslører en flok stillestående robotter med "Press Enter to play again" blinkende i kontrolpanelet...

  • 3
  • 0
Log ind eller Opret konto for at kommentere