ИИ моделът GPT-6 Astra на OpenAI успя да премине през началната зона за орки в хитовата онлайн игра World of Warcraft (WoW) за 40 минути, без нито една смърт, според разработчика на Аgent-wow. Моделът е преминал през зоната, без да вижда нито един визуализиран кадър, разчитайки на мрежовия трафик и данните за куестовете, извлечени от файловете на самия сървър. За играта в частен сървър е използван един-единствен промпт в Codex съвместно с agent-wow – клиент с отворен код. В съответното видео в YouTube се посочва, че агентът започва като орк от 1-во ниво, изпълнява всички куестове в Valley of Trials и завършва изиграването в Sen’jin Village.

Според описанието в хранилището в GitHub, Agent-wow е клиент за AzerothCore WoW, предназначен за автономни ИИ агенти-играчи. Клиентът не „дефинира никакви геймплейни механики като движение, битка или взаимодействия в играта“, а вместо това предоставя единствено „модулна система, чрез която агентите могат да изградят“ всичко необходимо за играта. AzerothCore е сървърен софтуер с отворен код, който поддържа версия 3.3.5a на WoW – финалната версия на Wrath of the Lich King – като Agent-wow комуникира с него чрез мрежовия протокол на играта. Клиентът не се свързва с официални сървъри на WoW, а може да се използва върху локални частни сървъри с цел експериментиране.

Разработчикът стартира водещия модел на OpenAI, пуснат в началото на миналия месец, с настройка за изключително висока интензивност на разсъжденията (едно ниво под най-високата възможна). Изборът на WoW е продиктуван от съчетанието в играта на дългосрочна стратегия и краткосрочна тактика, като крайната цел е да се запълни цял сървър с ИИ агенти, за да се види дали те могат да преминат през Icecrown Citadel на най-високото ниво на трудност.

Агентът включва един-единствен модул за извличане на 28 вида сървърни съобщения (по наши изчисления), които се съхраняват в паметта. Скрипт на Python периодично проверява тези съобщения, за да изгради представа на агента за заобикалящата среда, и изпраща обратни съобщения за извършване на действия в нея.

За данните относно куестовете агентът прибегна до извличане на информация (т.нар. data mining), като извлече подробности за възложителите, местата за предаване на задачите и точките на поява на обекти от SQL файловете на AzerothCore. Според разработчика този подход е донякъде подобен на начина, по който човек би прекарал часове в света на Wowhead, за да проучи куестовете, визирайки популярния информационен сайт за WoW. Директното използване на файловете на самия сървър обаче вероятно е по-добрият вариант, тъй като те съдържат данните, върху които сървърът реално функционира, докато информацията във фен сайтовете невинаги съвпада с тях. В инструкциите за публичното работно пространство на проекта изходният код на AzerothCore също е посочен като ресурс за агентите, макар разработчикът да не уточнява дали той е бил използван при конкретното изпълнение.

Подходът на агента включва елементи на планиране. Според разработчика той последователно изпълняваше необходимите вериги от куестове, продаваше ненужните предмети, поставяше подобрения и развиваше уменията си преди финалната пещера в зоната, като същевременно приемаше и двете задачи за пещерата едновременно, за да ги изпълни наведнъж.

За навигацията агентът използва помощна програма на C++, която изчислява маршрут между начална и крайна точка, използвайки собствените файлове с навигационна мрежа (т.нар. mmaps) на AzerothCore. Библиотеката Detour намира маршрута, а помощната програма връща междинните точки под формата на координати или съобщение за грешка, ако не съществува цялостен път.

Следващата стъпка за разработчика е да установи дали един-единствен агент може да достигне ниво 80 изцяло самостоятелно и дали няколко агенти могат да обединят усилия, за да преминат през съдържанието на играта чрез нейните социални функции.

Това не е първата игра, с която моделът се заема. В началото на миналия месец, малко след пускането си, той игра Portal, използвайки екранни снимки и информация за позицията на играча. При това преминаване на World of Warcraft не бяха използвани никакви екранни снимки и беше обхваната само първата зона, докато при Portal беше изиграна цялата игра в рамките на около 24 часа. Наскоро разработчиците приложиха различни методи за игра на Pokémon Red, като например използването на специално създаден малък модел и система за вземане на решения „Jev“, съчетана с насоки от модела Claude.

Снимка: Unsplash/Blizzard Entertainment

Виж още: Apple разработва камера за умен дом, която не записва видео