För inte så längesedan kunde vi läsa om hur OpenAI lärt sig besegra hela lag i MOBA-spelet Dota 2. Nu har en AI-agent från DeepMind lärt sig spöa mänskliga spelare i Quake III.
Datorspel fortsätter att vara populära bland AI-forskare och man har börjat gå från enkla 2D-spel till mer komplexa 3D-spel som i högre utsträckning påminner om verkliga miljöer. Nu har Googleägda DeepMind tagit fram en AI-agent som med hjälp av reinforcement learning (RL) har lärt sig spela den klassiska multiplayershootern Quake III Arena på en såpass hög nivå att den kan vinna över mänskliga spelare.
Det handlar om spelupplägget Capture the Flag (CTF) som i korthet går ut på att två lag med varsin flagga ska försöka stjäla det andra lagets flagga och samtidigt skydda sin egen. Det lag som har lyckats fånga flest flaggor under fem minuter vinner matchen. Likt mänskliga spelare har DeepMinds AI-agent endast tillgång till vad den ser på skärmen och måste därför tolka pixlarna snarare än att den matas med färdiga värden. AI-agenterna måste dessutom klara av att samarbeta med de andra i laget, som antingen kan vara människor eller andra agenter.
I videon ovan får vi se agenterna (FTW Agent) spela samt hur träningen går till. DeepMind har ändrat kartorna rent utseendemässigt men spelmekaniken är densamma. Dessutom slumpas kartans utseende fram varje match för att agenterna ska utveckla generella spelstrategier snarare än att lära sig specifika kartor utantill.
När DeepMind anordnade en turnering med flera tvåspelarlag som bestod av enbart AI-agenter, enbart människor och de båda mixade visade det sig att lagen med enbart agenter var de mest framgångsrika med en sannolikhet att vinna på 74 procent, jämfört med 43 procent för de mänskliga lagen.