Google DeepMind streeft naar een radicale evolutie in AI-technologie met de ontwikkeling van de innovatieve kunstmatige intelligentie Scalable Instructable Multiworld Agent (SIMA). In tegenstelling tot eerdere AI-modellen die zich voornamelijk richtten op het verslaan van menselijke professionele gamers, kiest SIMA voor een bredere aanpak. Dit nieuwe AI-systeem is getraind om games op een natuurlijke manier te spelen, vergelijkbaar met de manier waarop menselijke gamers dat doen.
Dit maakt de AI niet alleen veelzijdig, maar ook zeer nuttig voor de verdere ontwikkeling van kunstmatige intelligentie in het algemeen. Google DeepMind wil SIMA niet alleen gebruiken om de prestaties van AI’s in de virtuele wereld te verbeteren, maar ook om waardevolle inzichten te verkrijgen die kunnen worden overgedragen naar toepassingen in de echte wereld. SIMA zou daarom een belangrijke stap kunnen zijn in de richting van een uitgebreider en flexibeler gebruik van AI.
Hoe SIMA werkt: een kijkje achter de schermen
Het oorspronkelijke doel van SIMA is om een AI te ontwikkelen die elk spel volledig kan spelen, of het nu een nieuw spel is of een klassieker zoals Pokémon, dat nog steeds erg populair is bij fans. Hoe populairder een spel is, hoe meer gegevens er beschikbaar zijn die door een AI kunnen worden verwerkt. Als een AI bijvoorbeeld moet kiezen voor een Pokémon uit de Kalos-regio, kan hij gebruikmaken van de onlangs gepubliceerde Google-analyse van 1337games, waarin de populairste Pokémon worden weergegeven.
In principe vereist SIMA geen speciale interfaces of toegang tot de broncode van de spellen. In plaats daarvan analyseert de AI de visuele informatie die op het scherm verschijnt en interpreteert het de gesproken instructies die spelers in realtime geven. Door deze combinatie van beeldverwerking en taalbegrip kan SIMA verschillende spellen spelen zonder afhankelijk te zijn van specifieke programmering of aanpassingen. De prestaties van SIMA blijken vooral uit de manier waarop de AI is getraind.
Deze training is gericht op het ontwikkelen van het basisvermogen van de AI om visuele stimuli te associëren met verbale commando’s en de juiste acties uit te voeren. Door gebruik te maken van twee gespecialiseerde modellen – een voor beeld-taalmapping en een voor videovoorspelling – kan SIMA niet alleen begrijpen wat er op het scherm gebeurt, maar ook anticiperen op toekomstige gebeurtenissen en zijn acties dienovereenkomstig plannen.
Bekijk ook:
Dyson luchtreinigers; de drie beste modellen op een rijtje
SIMA: het trainen van universele spelvaardigheden
SIMA werd getraind via een systematische en uitgebreide aanpak op basis van verschillende commerciële videogames. De games die voor de training werden gebruikt, waren populaire titels zoals “No Man’s Sky” van Hello Games, “Teardown” van Tuxedo Labs en “Valheim” van Iron Gate. Deze games zijn bewust gekozen omdat hun spelwerelden open-wereld en sandbox-elementen bevatten die een breed scala aan basale spelvaardigheden vereisen. Deze omvatten navigatie, schieten, graven, rijden en knutselen, wat SIMA zou moeten helpen om veelzijdige vaardigheden te ontwikkelen.
De training werd uitgevoerd in een samenwerkingsomgeving waarin twee menselijke spelers samenwerkten. Eén speler gaf instructies terwijl de andere speler de daadwerkelijke invoer deed. Deze interacties werden opgenomen en samen met de bijbehorende visuele gegevens gebruikt om de AI te trainen. De AI verwerkt de informatie op het scherm en vertaalt deze vervolgens naar toetsenbord- en muisinvoer, waardoor interactie mogelijk is met elke virtuele omgeving.
AI leert van spelers
Naast het trainen met commerciële spellen werden vier speciale AI-spelomgevingen met procedureel gegenereerde uitdagingen gebruikt. Deze omgevingen werden gebruikt om SIMA’s vaardigheden in het omgaan met objecten en zijn algemene perceptie van de fysieke wereld in gecontroleerde scenario’s te testen. Een essentieel onderdeel van het trainingsproces was het klonen van gedrag. De AI leerde door professionele gamers te observeren die gedetailleerde spelvideo’s, instructies en commentaar gaven. Deze methode stelde SIMA in staat om menselijke spelstrategieën en acties te imiteren en te internaliseren.
SIMA heeft op dit moment ongeveer 600 basisvaardigheden, variërend van eenvoudige bewegingen als ‘draai naar links’ en ‘klim de ladder op’ tot taken als ‘open de kaart’. Met deze vaardigheden kan de AI reageren op verschillende spelsituaties en de gegeven taken uitvoeren. Een opmerkelijk aspect is dat SIMA bijna net zo goed presteert in spellen waarvoor het AI-model niet expliciet is getraind om te spelen als in spellen waarmee het wel bekend is. Dit benadrukt SIMA’s vermogen om zich aan te passen aan nieuwe en onbekende spelomgevingen.
De doelen van SIMA: meer dan alleen hoge scores in videogames
De ontwikkeling van SIMA door Google DeepMind streeft ambitieuze doelen na die verder gaan dan alleen het behalen van nieuwe topscores in videogames. De focus van SIMA ligt op het gebruik van videogames als trainingsplatform voor echte toepassingen. Google DeepMind benadrukt dat het leren van een enkele videogame een aanzienlijke technische prestatie is, maar het echte voordeel ligt in de overdraagbaarheid van deze vaardigheden naar de echte wereld. SIMA moet daarom bijdragen aan de ontwikkeling van uitgebreidere en bruikbaardere AI-systemen die in verschillende contexten kunnen worden gebruikt.
Bekijk ook:
Waarom de Google Nest Protect V2 jouw volgende slimme rookmelder moet zijn
SIMA betekent nu al een aanzienlijke vooruitgang in kunstmatige intelligentie. Het vermogen om zowel visuele informatie als instructies in natuurlijke taal te verwerken, maakt van SIMA een veelzijdig en aanpasbaar systeem. De ontwikkeling van SIMA brengt ons dichter bij de visie van een AI die niet alleen functioneel is, maar ook intuïtief en mensgericht. SIMA kan een revolutie teweegbrengen in de manier waarop mensen omgaan met videogames en hoe AI wordt gebruikt in de echte wereld.
Toekomstperspectieven voor SIMA
Ondanks de reeds behaalde successen bevindt SIMA zich nog midden in de ontwikkeling. In de toekomst zou de technologie niet alleen een revolutie teweeg moeten brengen in de spelmechanica, maar ook in de spelervaring zelf. In plaats van fysieke input zouden spelers tegen hun videogames kunnen praten en instructies kunnen geven die vervolgens door de AI worden uitgevoerd. Een toekomst met AI-agenten die individueel reageren op spelers is dus niet langer een ver toekomstbeeld.
Google zou dan universele SIMA-agenten kunnen ontwikkelen die gebruikt kunnen worden in specifieke gamegenres. Deze zouden kunnen worden aangeboden als een service op abonnementsbasis die gebruikers eenvoudig in hun games kunnen integreren. Google zou ook kunnen samenwerken met gamestudio’s om gespecialiseerde, AI-gestuurde versies van populaire games op de markt te brengen. Dit zou niet alleen de game-industrie verrijken, maar ook een nieuwe standaard zetten voor interactieve en dynamische gamewerelden.
De langetermijndoelen van Google gaan echter verder dan de virtuele wereld. SIMA moet ook nuttig zijn in de echte, fysieke wereld. Een mogelijke toepassing zouden assistentierobots kunnen zijn die mensen ondersteunen bij dagelijkse taken. Deze robots zouden kunnen profiteren van de vaardigheden die ze hebben geleerd in virtuele omgevingen en deze kunnen overbrengen naar levensechte situaties. Op deze manier zou SIMA in de toekomst niet alleen een revolutie teweeg kunnen brengen in de virtuele spelwereld, maar ook het dagelijks leven van mensen gemakkelijker en verrijkender kunnen maken.
