遊ぶために ウォークラフトの世界、人間が画面を見ます。オーク、道、敵、家、またはクエストを与えるキャラクターが表示されます。 GPT-6 Astra は、はるかに奇妙なことを行いました。何も表示されずに再生されました。 によると の作成者 エージェント-うわー、AI エージェントを実験できるオープンソース プロジェクト ウォークラフトの世界、 GPT-6 アストラはすべてのミッションを完了しました 最初のオークエリアから40分以内に死なずに移動できます。しかし、試合中、彼はゲームの1フレームも受け取りませんでした。画像の代わりに、サーバーから送信されたメッセージ、ミッション データ、ルートの計算に使用されるファイルなど、ビデオ ゲームの内部から情報を直接引き出しました。
その違いは重要です。 人間のプレイヤーは、視覚、聴覚、インタラクションから世界の表現を構築します。アストラは同じ世界の構造化された説明を与えられ、それを次に何をするかを決定するために使用できるものに変換する必要がありました。。そして彼はそれを平均的なプレーヤーと同じくらいのタイムで達成した。 実験は、オープンソースの実装である AzerothCore を使用して実行されました。 ウォークラフトの世界、Blizzardの公式サーバーではありません。システム エージェント-うわー これはクライアントとして機能し、人工知能エージェントがゲームのネットワーク プロトコルを使用してそのサーバーと通信できるようにします。 また、事前に移動、戦闘、対話の完全なシステムを提供するわけでもありません。エージェント自体が必要なツールを構築するという考えです。 そしてそれはまさにアストラがやったことだ。
ゲーム中に、モデルはサーバーからの数十種類のメッセージを処理し、その情報をメモリに保持できるモジュールを作成しました。 Python プログラムはそのデータを使用して、何が起こっているかの表現を構築し、対応するアクションを送り返します。 彼は目の前にキャラクターのイメージがあることを知る必要はありませんでした。サーバーは、別の方法で、そのキャラクターがどこにいたのか、彼が提供している使命は何なのか、彼の周囲で何が起こっているのかを伝えることができます。
ミッションでは、エージェントは AzerothCore の SQL ファイルも使用しました。このファイルには、ノンプレイヤー キャラクター、目標、特定の要素が出現する場所、ミッションの開始点と終了点に関するデータが含まれています。 その情報により、彼はどのタスクが他の人に依存しているかを確立し、それらを完了するための順序を組織することができました。 彼はまた、不要になったアイテムを売却したり、アップグレードを装備したり、新しいスキルを訓練したりするなど、実際的な決定も下しました。つまり、彼は単に命令のリストを実行しただけではありません。彼は比較的長期間にわたって目標を維持し、その目標に近づくための中間的な行動を決定する必要がありました。
世界中を移動するという問題には、別の解決策が必要でした。 Astra は、AzerothCore のナビゲーション マップを使用する C++ プログラムを生成しました。 mmap、異なる地点間のルートを計算します。プログラムは Detour ライブラリを使用して、これらのマップをエージェントが追跡できる一連の座標に変換しました。 それは根本的に異なる「見方」です。解釈すべきイメージはありません。むしろ、私たちがどこにいるのか、どこに行かなければならないのか、どのような道をたどることができるのかなどの質問に答えることを可能にする一種の抽象的な世界地図があります。
この結果は、AI システムの能力がますます重要になっていること、つまり受信したものに反応することに限定されるのではなく、環境内で動作するために必要なツールを構築する能力を示しているため、興味深いものです。 実際には、 の開発者 エージェント-うわー エージェントにはより高いレベルの実装が必要になると予想していたと説明しています、しかし実際には、Astra はプロトコル層で直接動作できました。
ただし、ゲームを実際とは異なるものに変えないことをお勧めします。アストラは遊び方を習わなかった ウォークラフトの世界 初めてゲームの前に座る人間がするのと同じように、ゼロからやり直します。彼は環境の特権的表現にアクセスできました。 サーバー自身のデータ、データベース、ナビゲーション マップ。彼は地図上でいくつかの問題を発見し、それを利用することができました。。さらに、彼はゲームの最初のエリアを完了しただけです。
したがって、この偉業は、AI がビデオ ゲームを見なくても自律的にプレイできることを証明するものではありません。これは、より具体的ですが、おそらくより興味深いことを示しています。 言語モデルは、複雑な環境からの構造化データを世界の運用上の表現に変換し、それを使用して長期間にわたるアクションを計画することができます。
