Искусственный интеллект
Искусственный интеллект, обученный быть Мастером Подземелий и генерировать сюжеты для Dungeons And Dragons
Искусственный интеллект освоил даже чрезвычайно сложные игры, такие как шахматы и Го. Однако эти игры имеют предопределенные правила и очень конкретные методы взаимодействия, которые не способствуют творческим решениям. Ролевая игра, такая как Dungeons And Dragons (DnD), имеет бесконечно больше способов играть, чем игра в шахматы, но это не остановило исследователей от попыток разработать системы искусственного интеллекта, способные импровизировать сюжеты для DnD или подобных настольных ролевых игр.
Исследователи искусственного интеллекта постоянно работают над новыми способами улучшения генеративных языковых возможностей искусственного интеллекта. Одним из самых больших достижений за последние пару лет является разработка GPT-2, которая смогла генерировать связные истории на лету. Однако, как сообщает Wired, аспирант Georgia Tech Лара Мартин задумалась об использовании DnD в качестве тестового случая для генеративной языковой способности искусственного интеллекта. Цель заключается в создании искусственного интеллекта-Мастера Подземелий, способного создавать новые сценарии для игры и адаптировать эти сценарии.
По данным Wired, Мартин работает над искусственным интеллектом-Мастером Подземелий с 2018 года. Модели генерации языка часто используют либо подходы, основанные на правилах, либо подходы, основанные на нейронных сетях. В последнее время наблюдается растущий интерес к объединению этих двух методов для генерации языка. Подход Мартин использует стратегии генерации языка, основанные на правилах, вместе с глубокими нейронными сетями. Подход Мартин к генерации языка основан на идее “событий”. События состоят из различных частей речи, таких как объекты, субъекты и глаголы, которые модель объединяет в событийные объекты, которые являются связными. Модель была обучена на сюжетах популярных научно-фантастических телешоу, таких как Futurama и Doctor Who. Модель запускается с помощью строки текста, который она проанализирует на события. После извлечения событий из запускающего текста она попытается продолжить сюжет, генерируя новые события. Мартин смогла расширить этот базовый подход и направить модель на генерацию определенных желаемых событий, таких как брак двух персонажей в истории.
Мартин не является единственным исследователем, пытающимся разработать искусственный интеллект, способный рассказывать истории. Например, исследователь машинного обучения Ник Уолтон недавно разработал AI Dungeon, который использует модели GPT-2 для создания игры-текстового приключения, генерируемой искусственным интеллектом. Хотя AI Dungeon обычно генерирует текст, который является хотя бы связным, она склонна терять нить общего повествования, начинать странные новые сюжетные нити и в целом вести себя странно в ответ на ввод пользователя. Несмотря на эти ограничения, игра оказалась довольно популярной, с более чем миллионом игроков.
Мартин признает ограничения модели, заявляя, что модель часто путается, генерируя события сюжета, которые не имеют логического смысла, и что “мы еще не близки к тому, чтобы это стало реальностью”. Несмотря на это, Мартин все еще надеется, что модель приведет к чему-то полезному в будущем. Мартин также надеется, что проект может потенциально дать нам представление о том, как создание историй использует различные аспекты интеллекта, такие как воображение и воплощение.
“Если бы мы могли создать убедительный искусственный интеллект-Мастер Подземелий, это рассказало бы нам больше о том, как мы создаем и переживаем эти миры”, – объяснила Мартин Wired.
Также можно утверждать, что задача достижения такого сложного подвига, как создание искусственного интеллекта-Мастера Подземелий, является достаточной причиной для продолжения проекта. Профессор искусственного интеллекта и языка в Университете Вашингтона Ноа Смит объяснил, что большие цели иногда помогают создать много полезных приложений, даже если сама задача не решена в ближайшее время.
“Иногда грандиозные цели полезны для того, чтобы направить многих исследователей в одном направлении. И некоторые из того, что возникает в результате, также полезно в более практических приложениях”.
