นักวิจัยพัฒนา AI ที่เล่น Warcraft III ได้ดีขึ้น ชนะ AI เก่าใน 9 เกมจาก 10 เกม โดยใช้เทคนิค self-play reinforcement learning บนเครื่องพีซีเดียว ต่างจากโครงการก่อนหน้าที่ต้องใช้เซิร์ฟเวอร์หลายตัว ตัวแทนนี้ปรับโค้ดเกมและใช้ Python ควบคุม ทำให้เล่นเกมแบบเรียลไทม์ได้เร็วขึ้น 13 มิลลิวินาทีต่อช่วงเวลา ตัวแทนเริ่มเลียนแบบ AI เก่า แล้วปรับปรุงด้วยการเล่นกับตัวเองและคู่ต่อสู้ พร้อมระบบให้รางวัลจากผลลัพธ์ทุกขั้นตอน เกมใช้แผนที่ Echo Isles ซึ่งเป็นมาตรฐาน ต้องรับมือความซับซ้อนระบบเศรษฐกิจ 4 สายพันธุ์หน่วย และการมองไม่เห็นพื้นที่คู่ต่อสู้ ตัวแทนฝึกด้วยเครือข่ายประสาทขนาด 3.2 ล้านน้ำหนัก ทำให้ตัดสินใจแม่นยำสูง ความสำเร็จแสดงศักยภาพ self-play ในการฝึก AI ซับซ้อนโดยไม่ต้องพึ่งข้อมูลเซิร์ฟเวอร์ขนาดใหญ่ อาจส่งผลต่อการพัฒนาเกมอินเตอร์แอคทีฟในอนาคตที่ต้องการ AI ปรับตัวได้ดี
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว