Az agy az emberi szervezet legtitokzatosabb része. Elképzelhetetlen mennyiségű neuron alkot egy komplex hálózatot, melyen a létrejött elektromos és kémiai reakcióknak köszönhetően képesek vagyunk bonyolult problémákat megoldani, kreatív műalkotásokat létrehozni és emlékeket megőrizni. A sci-fi regények egyik legrégebbi predikciója, hogy egyszer képesek leszünk mesterségesen reprodukálni az emberi értelmet, de vajon hogyan segíthetnek nekünk ebben a videojátékok?
A mesterséges intelligencia manapság az informatika egyik legaktívabb területe, számos iparban egyre komolyabban foglalkoznak a témával, főleg a nagy mennyiségű adat feldolgozása kapcsán. Viszont érdemes itt megjegyezni, hogy a téma iránti érdeklődés nem ma kezdődött, hiszen már évtizedekkel ezelőtt is sikerült érdekes eredményeket elérni. A gépek tanításának igazából rengeteg típusa van, de ezek közül az egyik legnépszerűbb irányzat az úgynevezett mesterséges neurális hálózat, melynek legelső, Perceptron nevű egyszerű változata még az 50-es évek végén készült el. Persze azért ez a módszer annyira nem egyszerű, szóval nézzük is meg röviden, hogy ennek az egésznek mi a lényege.
De pontosan mi is az a neurális hálózat?
Az agyunk működésének alapegysége az úgynevezett neuron, ami az egyes rajta átmenő ingereket feldolgozva újabb ingereket képes kiváltani azokból a neuronokból, amelyekhez kötődik. Az egyes kapcsolatok ugye nem ugyanannyira szorosak, viszont ha eleget gyakorlunk vagy ismétlünk valamit, akkor a kötődések megerősödnek, általában véve pedig ezt a folyamatot nevezzük tanulásnak. Csak hogy el tudjátok képzelni, egy igazi neuron valahogy így néz ki:
Nagy szerencse, hogy ezt az ábrát nem kell elmagyaráznom, mert akkor komoly bajban lennék. A mesterséges intelligenciában használatos neuronok hasonlítanak erre, azzal a különbséggel, hogy a csápok helyett egy elméleti modell helyettesíti őket, amit néhány matematikai jellel nem kevésbé ijesztővé lehetne tenni:
Ahogy a képből is talán lejön, ezek a kis egységek ugyanolyan hálózatot alkotnak, mint azok, amik a mi idegrendszerünket is alkotják, viszont számokon keresztül kommunikálnak egymással. Hogy miért is jó ez az egész? Az alapötlet az, hogy
az ilyen rendszereket nem programozzák, hanem tanítják.
A tanításra használt adatokban összepárosítják a bemenő adatokat az elvárt eredménnyel, ami alapján a rendszer be tudja állítani, hogy az egyes bemeneteket milyen súllyal vegye figyelembe (ezt felügyelt tanításnak szokták hívni). Ha belegondolunk, a mi agyunkban ugyanez történik: ha elég példát látunk valamire, akkor megértjük az összefüggéseket és később már mi magunk is döntést tudunk majd hozni az adott jelenséget látva. És itt jön a lényeg, vagyis hogy a játékok esetében természetesen pontosan ugyanígy gondolkodunk, hiszen ugyanolyan problémamegoldásra van szükség, mint az élet bármely más területén.
Ez rendben van, de hogy segít ebben a StarCraft 2?
Az imént tárgyalt hálózatok egyik jellegzetessége, hogy ezeket inkább konkrét feladatok megoldására lehet betanítani, de nem várható tőlük önmagában, hogy bármit megértsenek. A Google szerint erre ad megoldást a náluk fejlesztett DeepMind, ami egy hasonló, de sokkal komplexebb hálózat segítségével képes megtanulni újabb és újabb feladatokat, ami azért nem kis szó. Az intelligencia-kutatásához használt rendszert gyakran tanítják játékokkal és korábban már sikerült igen komoly eredményeket elérni, hiszen a DeepMind segítségével működő AlphaGo nemrég megverte a világ egyik legjobb go játékosát, ráadásul fölényesen. Úgy tűnik a Google szerint eljött az ideje, hogy megtegyék a következő lépést, hiszen nemrég a BlizzCon 2016-on bejelentették, hogy a Blizzarddal karöltve megtanítják a DeepMindot a StarCraft 2-re.
Hogy ez miért olyan érdekes? Azért, mert bizonyos szempontból a StarCraft 2 lényegesen összetettebb játék, mint a go. Ha egy kicsit pontosabbak akarunk lenni, a legnagyobb problémát az jelenti, hogy míg egy táblajáték esetében minden fél látja a teljes játékteret és a játék állapota csak egyik lépésről a másikra változik, addig ez a StarCraft 2-ről nem mondható el, hiszen nem látjuk az ellenfél térfelét (a játék elején legalábbis), ráadásul az ellenfeleink folyton mozognak, miközben mi játszunk. Ez rengeteg új problémát vet fel, viszont Oriol Vinyals, a DeepMind egyik kutatója szerint remek kihívás a csapatnak:
"A folyamat sokkal összetettebb, mert a játék elrejt egységeket mások elől és nem tudod, hol van az ellenség. Előre kell tervezni és gazdálkodni az erőforrásokkal, ezután a játékosoknak pedig rengeteg tényezőt kell figyelembe vennie, mielőtt lép. Ezek kritikus problémák a mesterséges intelligencia kutatásában. Talán nem leszünk azonnal sikeresek, de rögtön látni fogjuk, hogy melyik területeken kell még fejlődnünk, azzal pedig, hogy nyitott lesz az egész kutatás, mások is segíthetnek nekünk az ötleteikkel."
Ahogy Vinyals is megjegyezte, a folyamat mindenki számára nyitott lesz, azt pedig talán mondani sem kell, hogy mennyire nagy segítség lehet a közösség ereje egy ilyen jellegű kutatásban.
És ez nekünk, gamereknek is jó?
Hát persze! A mesterséges intelligencia rengeteg játéknak fontos részét képezi, viszont azok a rendszerek, amiket ma így hívunk, inkább kompex szabályrendszerek, mint valóban tanítható gépi ellenfelek. A Blizzardnak ez kiváló lehetőség arra, hogy egy kicsit felrázza a StarCraft 2 közösségét, arról már nem is beszélve, hogy az esportok terén is érdekes lehetőségeket vet fel ez a fejlemény. Minden kompetitív játékosnak fontos, hogy folyamatosan csiszolhassa a tudását, viszont nem mindenkinek adatik meg, hogy a legjobbak ellen gyakorolhasson. Mennyire jó lenne, ha valamilyen módon a világ távolabbi részein élő rajongók is tudnának gyakorolni a legjobb profik ellen?
A lehetőségek gyakorlatilag korlátlanok és biztosak lehetünk benne, hogy az elkövetkező években még sokat fogunk majd hallani a DeepMindról és a hozzá kötődő kutatási eredményekről, arról már nem is beszélve, hogy hamarosan a hétköznapokban is elterjedhetnek majd olyan eszközök, amelyek aktívan támaszkodni ezekre az eredményekre. Az emberiség évről évre egyre több információt termel, ezek a rendszerek pedig olyan izgalmas összefüggéseket találnak majd meg ezekben az adatokban, amiket mi talán sosem vettünk volna észre magunktól.
Csak aztán át ne vegye egy ilyen gép a világuralmat. Tudjuk, mi lesz abból.
