Alfavita Newsroom 
Η τεχνητή νοημοσύνη μπορεί ήδη να οδηγεί αυτοκίνητα και να έχει νικήσει τους ανθρώπους σε απαιτητικά επιτραπέζια παιγνίδια, όπως το σκάκι και το Go, καθώς και σε βιντεοπαιγνίδια, όπως το StarCraft II και το Dota 2, αλλά τώρα για πρώτη φορά κατάφερε να κάνει το ίδιο σε ανταγωνιστικά παιγνίδια πολλαπλών παικτών (multiplayer shooter videogames) που απαιτούν ομαδική συνεργασία, κάτι που έως τώρα θεωρείτο τρομερά δύσκολο.
Η DeepMind, η πρωτοπόρος βρετανική εταιρεία που ανήκει πλέον στον όμιλο Alphabet της Google, εκπαίδευσε συστήματα τεχνητής νοημοσύνης (bots) να συνεργάζονται για να παίξουν με επιτυχία το κλασσικό βιντεοπαιγνίδι Quake III Arena, νικώντας και πάλι τους έμπειρους ανθρώπους παίκτες. Επιπλέον, ένας «τεχνητός» παίκτης αποδείχθηκε ότι μπορεί να συνεργασθεί μια χαρά με έναν άνθρωπο παίκτη.
Μέχρι σήμερα η τεχνητή νοημοσύνη δεν τα είχε καταφέρει με την πολυπλοκότητα παιγνιδιών που απαιτούν ομαδική συνεργασία και αλληλεπίδραση ανάμεσα σε πολλούς online παίκτες. Το να προβλέψει ένα μηχάνημα πώς θα συμπεριφερθεί ένα άλλο μηχάνημα ή ένας άνθρωπος, έτσι ώστε να μπορέσει να συνεργασθεί αποτελεσματικά μαζί του, είχε έως τώρα θεωρηθεί πολύ μεγάλη πρόκληση.
Όμως, αυτήν τη φορά, μία ομάδα 30 «παικτών» (bots) τεχνητής νοημοσύνης εκπαιδεύθηκαν συλλογικά να παίζουν έναν πεντάλεπτο «γύρο» του παιγνιδιού Quake III Arena με τίτλο «Αιχμαλωτίστε τη σημαία» (Capture the Flag), όπου μία ομάδα κινείται επιθετικά σε ένα τρισδιάστατο περιβάλλον και πρέπει να αρπάξει τη σημαία των αντιπάλων. Νικητής είναι η ομάδα που κατακτά τις περισσότερες σημαίες μέσα σε αυτά τα πέντε λεπτά.
Παίζοντας μόνη της αλλεπάλληλους γύρους του παιγνιδιού, η συνεργαζόμενη ομάδα της τεχνητής νοημοσύνης έμαθε να αυτοβελτιώνεται με τη βοήθεια ειδικών αλγορίθμων νευρωνικής μάθησης εμπνευσμένων από τον ανθρώπινο εγκέφαλο. Στη συνέχεια, άνθρωποι παίκτες κλήθηκαν να αντιμετωπίσουν άλλους παίκτες, χωρίς να γνωρίζουν εάν επρόκειτο για άλλους ανθρώπους ή για συστήματα τεχνητής νοημοσύνης.
Τελικά, οι δυάδες των ανθρώπων παικτών αιχμαλώτισαν κατά μέσο όρο 16 λιγότερες σημαίες σε κάθε παιγνίδι σε σχέση με τα «ντουέτα» που απαρτίζονταν από τεχνητή νοημοσύνη. Επίσης, οι μικτές ομάδες (ένας άνθρωπος παίκτης και ένα σύστημα τεχνητής νοημοσύνης) τα κατάφεραν αρκετές φορές καλύτερα από τις ομάδες δύο ανθρώπων παικτών. Μάλιστα, οι άνθρωποι παίκτες δήλωσαν ότι προτιμούσαν να έχουν για συμπαίκτη τους ένα σύστημα τεχνητής νοημοσύνης από ό,τι έναν άλλο άνθρωπο.
Οι ερευνητές της DeepMind, με επικεφαλής τον Μαξ Τζέιντερμπεργκ, που έκαναν τη σχετική δημοσίευση στο περιοδικό «Science», σύμφωνα με το ίδιο, το «New Scientist» και το Γαλλικό Πρακτορείο, δήλωσαν ότι η νέα τεχνολογία δεν είναι ακόμη ώριμη για πρακτική εφαρμογή στον πραγματικό κόσμο. Όμως στο μέλλον, όταν η τεχνητή νοημοσύνη έχει πια μάθει να συνεργάζεται σε ομάδες (με άλλες μηχανές, με ανθρώπους ή με μικτές ομάδες), τότε θα υπάρξουν σημαντικές πρόοδοι σε διάφορα πεδία, από τα αυτόνομα οχήματα που θα συνεργάζονται για να μην τρακάρουν στους δρόμους, έως τους ρομποτικούς χειρουργούς που θα συνεργάζονται με τους γιατρούς.
Είναι προφανές ότι αυτή η τεχνολογία μπορεί να έχει και στρατιωτικές εφαρμογές, αλλά οι προγραμματιστές της DeepMind αρνήθηκαν να σχολιάσουν επ' αυτού. Στο παρελθόν η εταιρεία είχε δηλώσει δημόσια ότι δεσμεύεται να μη συνεργασθεί σε ερευνητικά προγράμματα του στρατού ή των μυστικών υπηρεσιών. Το κατά πόσο αυτό θα τηρηθεί στο μέλλον, είναι άλλο θέμα…
Σύνδεσμος για την επιστημονική δημοσίευση:
https://science.sciencemag.org/content/364/6443/859
ΑΠΕ-ΜΠΕ
Όλες οι σημαντικές ειδήσεις
Προσλήψεις εκπαιδευτικών – ΟΠΣΥΔ: Τα 6 βήματα για σωστά δικαιολογητικά και φάκελο
Πανελλήνιες 2026: Το έγγραφο «κλειδί» για την είσοδο στα εξεταστικά κέντρα
Προκηρύξεις εκπαιδευτικών 2026: Πώς θα δεις πρώτος τους πίνακες μέσω google
