سخت‌ترین چالش ماینکرفت به‌دست یک تیم دونفره هوش مصنوعی شکست خورد؛ آن هم با هزینه‌ای ناچیز

خلاصه

• جِو و آسترا اژدهای اِندر ماینکرفت را در ۸ دقیقه و ۴۳ ثانیه و با هزینه‌ای کمتر از ۱ دلار شکست دادند.
• آسترا برنامه‌ریزی کرد و جِو با تصمیم‌های سریع و ساختاریافته، حرکت‌های دقیق درون بازی را اجرا کرد.
• ترکیب مدل‌های سیستم ۱ (جِو) و سیستم ۲ (آسترا)، عامل‌هایی سریع‌تر و کم‌هزینه‌تر می‌سازد.

یکی از آزمایش‌کنندگان در X (توییتر) به‌تازگی جِو را با آسترا همراه کرد تا اژدهای اِندر ماینکرفت را تنها در ۸ دقیقه و ۴۳ ثانیه شکست دهند. شگفت‌انگیزتر اینکه هزینه کل توکن‌های این عملیات به یک دلار هم نرسید.

برای مقایسه، Vals AI اجرای جداگانه‌ای از ماینکرفت را با هدایت آسترا به‌مدت ۱۴۱ ساعت به‌صورت زنده پخش کرد. آن آزمایش هرگز به پایان بازی نرسید و مدل سرانجام به‌جای پیشروی به‌سوی اژدهای اِندر، بخش زیادی از وقت خود را صرف کاشت و برداشت سیب‌زمینی کرد.

آسترا مغز متفکر بود و جِو بازوی اجرایی

جِو شیوه تصمیم‌گیری عامل را دگرگون کرد

هفته گذشته، ماجرای اجرای ۱۴۱ ساعته ماینکرفت به‌دست GPT Astra در X فراگیر شد. پس از آنکه یک کریپر صندوق و تخت آسترا را در بازی منفجر کرد، این مدل هوش مصنوعی چنان درمانده و دلسرد به نظر می‌رسید که گویی در روزی بارانی به شکست خود می‌اندیشد؛ به همین دلیل، از انجام تقریباً هر کاری جز کاشت و برداشت سیب‌زمینی سر باز می‌زد.

کاربران X روایتی بامزه برای این آزمایش ساختند، اما ما به سراغ درس‌های جدی‌تری رفتیم که رفتار آسترا درباره رویارویی عامل‌های خودکار هوش مصنوعی با موقعیت‌های پیش‌بینی‌نشده در بر داشت. یکی از این درس‌ها، ضرورت فراهم‌کردن محیط‌های مهارشده و برنامه‌های بازیابی هنگام به‌کارگیری عامل‌های خودکار بود. چنین سازوکارهای ایمنی نه‌فقط از آن رو اهمیت دارند که مدل‌های زبانی بزرگ ممکن است مرتکب خطاهای جدی شوند، بلکه به این دلیل که یک عامل هوش مصنوعی می‌تواند در چرخه‌ای بی‌حاصل گرفتار شود و بی‌آنکه دستاورد سودمندی داشته باشد، همچنان توکن مصرف کند.

اکنون همان GPT Astra با کمک جِو توانسته است بازی را در کمتر از ۹ دقیقه به پایان برساند و اژدهای اِندر را بکشد. جِو مدلی تازه‌ساخت در زمینه هوش مصنوعی است که شیوه کارش تفاوتی بنیادی با مدل‌هایی دارد که تاکنون از OpenAI یا Anthropic دیده‌ایم.

روناک مالده، آزمایش‌کننده‌ای که این اجرای ماینکرفت را ترتیب داد، چگونگی کار این ترکیب را توضیح داده است. آسترا نقش برنامه‌ریز را بر عهده داشت و هدف‌ها، اقلام موردنیاز و نقاط بین‌راهی مسیر را تعیین می‌کرد. سپس جِو با دریافت دستورهای آسترا تصمیم می‌گرفت چگونه با دسترسی به کلیدهای WASD، کلید فاصله، کلیک و حرکت‌های ماوس، شخصیت بازی را هدایت کند. روناک کد کامل را در GitHub در دسترس همگان گذاشته است.

جِو چگونه آسترا را به کاری رساند که به‌تنهایی از پسش برنمی‌آمد

مدل‌های زبانی بزرگی مانند آسترا برای درک دستورها و تولید پاسخ‌هایی طبیعی طراحی شده‌اند. عامل‌های برنامه‌نویسی مانند Claude Code و Codex نیز مدل‌های مولد را برای کارهای توسعه نرم‌افزار به کار می‌گیرند. این سامانه‌های پیشرفته با وجود توانایی‌های چشمگیرشان، اساساً برای گرفتن شمار زیادی تصمیم سریع و کاملاً مقید که نرم‌افزار بتواند مستقیماً از آن‌ها استفاده کند، ساخته نشده‌اند. جِو دقیقاً برای انجام همین کار پدید آمده است.

جِو به‌جای تولید متن یا کد، اطلاعات ساختارنیافته درباره وضعیت کنونی یک برنامه را همراه با پرسش‌هایی ازپیش‌تعیین‌شده دریافت می‌کند؛ سپس از میان پاسخ‌های احتمالی ارائه‌شده، یکی را برمی‌گزیند. این مدل می‌تواند گزینه‌ای را از یک فهرست انتخاب کند، امتیازی اختصاص دهد یا احتمال یک نتیجه بله‌یاخیر را برآورد کند. ازاین‌رو، برای کارهای سریع و تکراری مانند تعیین حرکت بعدی یک عامل هوش مصنوعی سودمند است.

جِو را TypeSafe AI توسعه داده است؛ شرکتی که دیوگو آلمیدا، پژوهشگر پیشین OpenAI، بنیان گذاشته است. شیوه کار جِو با مدل‌های زبانی بزرگ و متعارفِ متن‌محور تفاوت دارد. این شرکت آن را مدلی از نوع «سیستم یک» می‌نامد؛ اصطلاحی برگرفته از تمایزی که دنیل کانمن، روان‌شناس، میان دو گونه تفکر انسان قائل بود. «سیستم ۱» به داوری‌های سریع و خودکار اشاره دارد، درحالی‌که «سیستم ۲» بیانگر استدلال آهسته‌تر و سنجیده‌تر برای مسائل پیچیده و انتزاعی است.

جِو به دسته نخست شباهت دارد، زیرا به‌جای تولید متن آزاد، تصمیم‌هایی ساختاریافته را با سرعت بازمی‌گرداند. در سوی دیگر این قیاس، مدل‌های پیشرفته‌ای مانند آسترا به سیستم ۲ نزدیک‌ترند، چون می‌توانند با تکیه بر استدلال پیشرفته، مسائلی را بررسی کنند که پاسخ‌شان از پیش تعیین نشده است. مشکل اینجاست که مدل‌های سیستم ۲ به زمان و توان پردازشی بسیار بیشتری نیاز دارند. جِو در کارهایی مانند خودکارسازی و تصمیم‌گیری میان مجموعه‌ای محدود و ازپیش‌تعریف‌شده از گزینه‌ها، می‌تواند از نظر زمان و منابع بسیار بهینه‌تر باشد.

اگر بتوان از این همکاری چشمگیر میان دو هوش مصنوعی یک نتیجه گرفت، آن نتیجه چنین است: آینده عامل‌های توانمند هوش مصنوعی شاید نه به ساخت یک مدل بی‌نقص برای انجام همه کارها، بلکه به سپردن هر کار به مدلی وابسته باشد که آن را بهتر از دیگران انجام می‌دهد.

منبع: این مطلب ترجمه و بومی‌سازی مقاله‌ای از MakeUseOf به قلم Hamed Paydarfar است. مشاهده مقاله اصلی