Domain-Independent Game Abstraction using Word Embedding Techniques
تقترح هذه الورقة طريقة لتجريد الألعاب غير مرتبطة بنطاق محدد، تستفيد من تقنيات تضمين الكلمات الخاصة بمعالجة اللغات الطبيعية لتمثيل وتجميع إجراءات الألعاب، مما يثبت فعاليتها في تقليل تعقيد الألعاب على الرغم من عدم تفوقها على الخوارزميات المتخصصة والمحددة لنطاق معين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول حل لغز ضخم ومعقد للغاية، مثل لعبة بوكر أو شطرنج. المشكلة هي أن عدد الحركات الممكنة هائل جدًا (مثل محاولة عد كل حبة رمل على الشاطئ) لدرجة أن أذكى الحواسيب لا يمكنها حلها دفعة واحدة.
لحل هذه المشكلة، يستخدم خبراء الألعاب خدعة تسمى تجريد اللعبة (game abstraction). فكر في هذا الأمر كأنك تقوم بتجميع قطع اللغز المتشابهة معًا. بدلًا من التعامل مع كل حبة رمل ككيان فريد، تقوم بتجميعها في مجموعات: "رمل مبلل"، "رمل جاف"، "شظايا أصداف"، إلخ. هذا يقلص حجم اللغز ليصبح حجمًا يمكن للحاسوب التعامل معه، ثم يمكنك استخدام الحل الذي توصلت إليه للعب اللعبة الحقيقية والعملاقة.
المشكلة في معظم الأساليب الحالية هي أنها تشبه الطهاة المتخصصين. فطاهي البوكر يعرف تمامًا كيف يجمع بين أيدي البوكر لأنه يعرف قواعد البوكر من الداخل والخارج. ولكن إذا طلبت من هذا الطاهي نفسه أن يجمع بين حركات في لعبة فيديو أو لعبة لوحية لم يرها من قبل، فسوف يتوقف مكانه؛ فهو يحتاج إلى تعلم القواعد الجديدة من الصلم في كل مرة.
الفكرة الكبرى للورقة البحثية: "المترجم العالمي"
يقترح المؤلفان، جوهو كيم وتوماس ساندهولم، طريقة جديدة لتجميع هذه الحركات لا تتطلب معرفة القواعد الخاصة باللعبة. لقد استعاروا أداة من عالم اللغة تسمى تمثيل الكلمات (Word Embeddings).
إليك التشبيه:
- الكلمات هي الحركات: تخيل أن كل حركة ممكنة في اللعبة هي "كلمة".
- طريقة اللعب هي قصة: تخيل أن سجلًا للعديد من الألعاب التي لُعبت هو "كتاب" أو "متن نصي" (corpus).
في اللغة، يمكن للحواسيب أن تتعلم أن كلمة "ملك" تشبه كلمة "ملكة" لأنهما غالبًا ما تظهران في جمل متشابهة (مثل "جلس الملك والملكة على العرش"). يقوم الحاسوب بتحويل هذه الكلمات إلى إحداثيات رياضية (متجهات/vectors). الكلمات ذات المعاني المتشابهة تنتهي بجوار بعضها البعض في هذا الفضاء الرياضي.
سأل المؤلفان: هل يمكننا فعل ذلك مع حركات الألعاب؟
لقد غدوا سجلات الألعاب (مثل الشطرنج أو البوكر) في هذه النماذج اللغوية. تعلم النموذج أن حركة مثل "الجندي يأكل الملكة" تشبه رياضيًا حركة "الفيل يأكل الرخ" لأنهما تحدثان غالبًا في مواقف متشابهة، حتى لو لم يكن النموذج "يعرف" ما هو الجندي أو الفيل.
ما وجدوه (الـ "سحر" في هذه الطريقة)
إنه يفهم الاستراتيجية دون أن يُعلّم:
عندما نظروا إلى الخريطة الرياضية لهذه الحركات، رأوا شيئًا مذهلاً. الحركات التي تتشابه استراتيجيًا (مثل أكل قطعة لترقية جندي) كانت متجمعة بجانب بعضها البعض مباشرة. يبدو الأمر كما لو أن الحاسوب، بمجرد قراءة "قصة" اللعبة، استنتج أي الحركات هي "أقارب" دون أن يخبره أحد بالقواعد.يعمل مع "الأدمغة المدربة مسبقًا":
حاولوا أيضًا استخدام نماذج ذكاء اصطناعي ضخمة مدربة مسبقًا (مثل تلك التي تقف وراء جوجل أو OpenAI) والتي قرأت ملايين الكتب والمقالات. على الرغم من أن هذه النماذج تدربت على نصوص عامة، وليس على قواعد الألعاب، إلا أنها استطاعت تجميع حركات الألعاب بفعالية.
- العقبة: لاستخدام هذه النماذج الضخمة، لا يزال يتعين عليك وصف الحركات بلغة إنجليزية بسيطة (مثل "الفيل يأكل الجندي في b5"). لذا، الأمر ليس مستقلاً تمامًا عن المدخلات البشرية، لكنه أسهل بكثير من كتابة خوارزمية مخصصة لكل لعبة جديدة.
- النتائج: جيدة، ولكن ليست الأفضل:
اختبروا ذلك على ألعاب البوكر.
- أفضل من العشوائية: كانت طريقتهم أفضل بكثير من مجرد تجميع الحركات عشوائيًا.
- أسوأ من المتخصصين: ومع ذلك، لم يتفوقوا على "الطهاة المتخصصين" (الخوارزميات المصممة خصيصًا للبوكر). فالخبراء في البوكر يعرفون اللعبة بشكل أفضل من المترجم العالمي.
الخلاصة
تقدم هذه الورقة البحثية طريقة مستقلة عن المجال (domain-independent) لتقليص حجم الألعاب الضخمة. بدلًا من بناء أداة مخصصة لكل لعبة جديدة تواجهها، يمكنك استخدام "مترجم عالمي" (تمثيل الكلمات) لتجميع الحركات المتشابهة تلقائيًا.
- الإيجابيات: لست بحاجة لأن تكون خبيرًا في اللعبة لاستخدامها؛ فأنت تحتاج فقط إلى سجل لكيفية لعب اللعبة.
- السلبيات: إنها أداة عامة. تعمل بشكل جيد، لكنها لن تهزم الأداة المصممة خصيصًا لتلك اللعبة الواحدة.
فكر في الأمر بهذه الطريقة: إذا كنت بحاجة لتنظيم مكتبة، فإن أمين مكتبة متخصصًا يعرف كل كتاب عن ظهر قلب سينظمها بشكل مثالي. هذه الطريقة الجديدة تشبه استخدام روبوت ذكي قرأ كل الكتب في العالم ولكنه لا يعرف التخطيط الخاص بهذه المكتبة تحديدًا. سيقوم الروبوت بعمل جيد جدًا في تجميع الكتب المتشابهة معًا، لكن عمله لن يكون مثاليًا تمامًا مثل الخبير البشري الذي يعرف القواعد المحددة لتلك المكتبة. ومع ذلك، بالنسبة لروبوت لا يعرف شيئًا عن المكتبة مسبقًا، فإن عمله يعد جيدًا بشكل مفاجئ.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.