חברת הבינה המלאכותית Google DeepMind חשפה פרטים חדשים על שיתוף פעולה מחקרי יוצא דופן עם סטודיו המשחקים Fenris Creations, המפתח של מותג המדע הבדיוני המפורסם EVE Online. הדיווח, שפורסם בבלוג הרשמי של DeepMind, מסמן שלב חדש באסטרטגיה של חברת המחקר: מעבר מאימון בינה מלאכותית (AI) במשחקים סגורים ומתוחמים אל תוך עולמות וירטואליים מתמשכים, מורכבים ובעלי כלכלה ודיפלומטיה אנושית המופעלים מזה יותר מ-20 שנה.
מ-Atari ועד AlphaFold: מנוע המחקר של הבינה המלאכותית
במשך 15 השנים האחרונות, עולם המשחקים שימש ככר ניסויים מרכזי עבור DeepMind לפיתוח יכולות בינה מלאכותית מתקדמות. המסע החל בשימוש ברשתות נוירונים עמוקות (Deep Neural Networks) לאימון אלגוריתם ה-Deep Q-Network (DQN) בשנת 2015, שלמד לשחק ב-49 משחקי קונסולת Atari 2600 ישירות מפיקסלים גולמיים.
מאז, חלה קפיצת מדרגה דרמטית בפיתוחים של החברה:
- 2016: מערכת AlphaGo הביסה את אלוף העולם במשחק הגו (Go), לי סדול, במהלך שכלל את "מהלך 37" המפורסם ששינה את תפיסת המשחק האנושית.
- 2017-2018: פיתוח AlphaZero ו-MuZero, שלמדו לשלוט בשחמט, שוגי וגו ללא מידע אנושי מוקדם ואף ללא הכרת החוקים מראש.
- 2019: האלגוריתם AlphaStar הגיע לרמת רב-אמן (Grandmaster) במשחק האסטרטגיה בזמן אמת StarCraft II.
- 2024: פריצת הדרך המבוססת על טכנולוגיות אלו הובילה לפיתוח AlphaFold, שפתר את אתגר חיזוי מבנה החלבונים והקנה למפתחיו פרס נובל בכימיה.
בשנים האחרונות חל שינוי תפיסתי ב-DeepMind: במקום לאמן סוכנים להשגת הניקוד הגבוה ביותר, המחקר עבר לפיתוח סוכנים כלליים כמו SIMA ו-SIMA 2 (המופעל על ידי מודל Gemini). סוכנים אלו מסוגלים "לראות" את המסך, להבין הוראות בשפה טבעית ולפעול באמצעות מקלדת ועכבר רגילים ללא צורך בגישה לקוד המקור או לממשקי תכנות יישומים (API).
עולם הניסוי האולטימטיבי: למה דווקא EVE Online?
המשחק EVE Online, שהושק בשנת 2003, מציע סימולציית חלל המאכלסת עשרות אלפי שחקנים בשרת יחיד מתמשך. עולם המשחק מונע על ידי כלכלה חופשית של היצע וביקוש, רשתות מסחר החולשות על אלפי מערכות כוכבים, ובריתות פוליטיות ודיפלומטיות שנוצרו על ידי בני אדם לאורך מעל 20 שנה.
על פי הדיווח ב-DeepMind, סביבה זו מציבה אתגרים מחקריים שאינם קיימים במשחקים מסורתיים:
- למידה מתמשכת (Continual Learning): רכישת מיומנויות חדשות בסביבה משתנה מבלי לשכוח ידע קודם.
- זיכרון ארוך טווח (Memory): צבירה ושליפה של מידע לאורך פרקי זמן חסרי תקדים.
- תכנון אופק ארוך (Long-horizon Planning): קבלת החלטות ואסטרטגיות המשתרעות על פני שבועות, חודשים ואף שנים.
- דינמיקה של סוכנים מרובים (Multi-agent Dynamics): ניווט בין שיתופי פעולה, יריבויות, משא ומתן והתנהגות חברתית בקנה מידה רחב.
"אנחנו פורצים לטריטוריה לא ממופה שבה בינה מלאכותית חייבת ללמוד, להסתגל ולזכור בסדרי גודל של זמן שאף סביבת משחק אחרת אינה דורשת", ציין הילמר פטורסון, מנכ"ל Fenris Creations.
ממערכת עזר לשחקנים ועד לסביבת מחקר מבודדת
שיתוף הפעולה בין החברות כבר מניב תוצאות מעשיות בשטח: מערכת "Aura Guidance", המבוססת על מודלי Gemini, נעזרת בידע שנאסף משחקנים ותיקים כדי לספק תשובות לשאלות של שחקנים חדשים בזמן אמת.
תוכנית המחקר לטווח הארוך כוללת מפת דרכים מדורגת:
- שרת מבודד (Offline Sandbox): אימון ראשוני של סוכני ה-AI בסביבה סגורה הנפרדת מקהילת השחקנים הפעילה.
- ניסויים ב-EVE Frontier: בחינת התקיימות משותפת בין בני אדם לסוכני AI בעולם פתוח עם ארכיטקטורה ניתנת לתכנות ("Smart Assemblies").
- שילוב במשחק החי: רק לאחר הבשלת הטכנולוגיה ייבחן שילוב סוכנים ב-EVE Online ובמשחק היריות הטקטי EVE Vanguard.
המחקר מתבצע לצד שותפויות נוספות של DeepMind עם אולפנים מובילים בתעשייה, בהם Hello Games (מפתחת No Man's Sky) ו-Coffee Stain Studios (מפתחת Valheim).
משמעות לשוק ההייטק ופיתוח התוכנה
עבור קהילת ההייטק, המחקר בסביבות משחק מתמשכות אינו מתמקד רק בעולם הגיימינג, אלא מהווה אבן דרך קריטית בדרך לפיתוח סוכני AI אוטונומיים המסוגלים לפעול בסביבות אנושיות מורכבות. היכולת לאמן מערכות למידה עמוקה בסביבות דינמיות הכוללות אלמנטים כלכליים ודיפלומטיים מורכבים משקפת את אתגרי העולם האמיתי - מניהול שרשראות אספקה ואופטימיזציה של שווקים ועד לאוטומציה מתקדמת של בדיקות איכות (QA) בתעשיית התוכנה.
התוכן בכתבה זו נועד לספק סקירה כללית בלבד ואינו מהווה תחליף לייעוץ מקצועי פרטני. המערכת אינה אחראית לכל נזק או הפסד שייגרם כתוצאה מהסתמכות על המידע המוצג.