DeepMind推SIMA人工智慧服務 可用自然語言指令幫人類玩遊戲

DeepMind宣佈推出名爲Scalable Instructable Multiworld Agent (SIMA,可擴展、可指導的多世界代理)的人工智慧服務，標榜能透過自然語言指令讓人工智慧系統代替玩家操作遊戲內容。

DeepMind表示與多家遊戲業者合作，透過多款遊戲訓練SIMA服務，使其能深入理解多款遊戲內容，並且像人類一樣在遊戲中操作互動。

訓練過程並非以得高分爲主要目的，而是讓人工智慧真正理解遊戲如何遊玩，並且學會遊戲中設定規則，藉此讓人工智慧能以正常遊玩方式完成遊戲任務，避免以作弊等方式取得高分。

讓人工智慧學習遊戲遊玩規則，並且在遊戲中以人類操作方式完成任務，實際上是爲了能讓人工智慧在更多應用環境中完成各類任務，同時也能借此加速深度學習完成效率。

至於訓練SIMA服務的方式，包含透過真實人類玩家教導遊戲遊玩過程內容，以及玩家自由遊玩內容，讓SIMA服務紀錄遊玩過程，並且從中學習正確操作流程。

而SIMA服務會透過圖像處理與語言映射模型判斷螢幕顯示畫面發生事情，並且做出相應操作行爲，因此並非直接存取遊戲原始編碼、客制API內容進行學習，完全就是讓人工智慧系統透過理解產生相應動作決策。

SIMA服務已經可以在《無人深空》、《模擬山羊3》和《Teardown》等9款3D遊戲完成各類操作任務，甚至能正確開啓遊戲選單、進行資源採集、操作太空船、製作道具等任務，甚至可以藉由Unity的Construction Lab實驗環境，讓SIMA服務透過積木堆疊建造雕塑品，測試其對於物體操作與真實世界的物理互動理解能力。

DeepMind研究人員針對SIMA服務進行600項技能評估，其中包含內容導覽、物件操作與選單操作，並且能在10秒完成簡單任務，甚至可以處理先前從未遊玩過的遊戲，並且能順利按照自然語言指示正確操作，使其完成特定目的的遊戲操作。

而研究人員目標則是讓SIMA服務可以完成更復雜操作任務，例如透過更多執行項目、進階擬定規劃操作構成的任務內容。不過，研究人員也說明如果要使SIMA服務達成與人類相同遊玩表現，依然需要進行更多研究與訓練。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》