玩游戏的人工智能模型已经存在了几十年，但它们通常专注于一场游戏并专注于获胜。研究人员 谷歌 Deepmind 有一个不同的目标：创建一个模型，学习像人类一样玩多个 3D 游戏，同时尽力理解您的口头指令并采取行动。他们引入了 SIMA 模型，该模型代表可扩展、可指导、多世界代理，目前正在研究中。
随着时间的推移，SIMA 将学会玩任何视频游戏，甚至是那些没有线性路径到达游戏结束的游戏或开放世界游戏。虽然该算法并不是为了取代现有的游戏算法 人工智能，你可以把他当作一个伙伴和同伴。它将自然语言学习与理解 3D 世界和图像识别结合起来。
https://twitter.com/GoogleDeepMind/status/1767918515585994818
该公司曾与多家游戏开发商合作，包括Hello Games、Embracer、Tuxedo Labs、Coffee Stain 等用于训练和测试 SIMA。研究人员将 SIMA 与《无人深空》、《拆解》、《英灵神殿》和《模拟山羊 3》等游戏连接起来，向 AI 代理教授玩这些游戏的基础知识。
该团队选择了更具开放性而非叙事性的游戏来帮助 SIMA 学习一般游戏技能。如果您玩过或看过《模拟山羊》演练，您就会知道做随机、自发的事情就是游戏的全部内容，团队表示这正是他们希望教会 SIMA 的那种自发性。
为此，团队首先在 Unity 引擎中创建了一个新环境。然后 谷歌 记录成对的玩家，其中一个领导游戏，另一个指示下一步该做什么，以记录口头指令。之后，玩家们自己进行游戏，展示自己的行为在游戏中会带来什么结果。所有这些都被输入 SIMA，以便代理可以学习预测屏幕上接下来会发生什么。目前，SIMA大约有600个基本技能，例如左转或爬楼梯，但它最终会学习更复杂的功能。
SIMA并不是像游戏中那样拥有人工智能的NPC NVIDIA 还有Convai，另一个影响比赛结果的球员。 SIMA 项目联合主任 Frédéric Besse 表示，现在断言此类人工智能代理可能会在研究之外的游戏中找到哪些应用还为时过早。但谷歌表示，有了更先进的型号 人工智能 SIMA最终将能够执行更复杂的任务并成为理想的合作伙伴。
另请阅读：