فهرست مطالب
مدل تصمیمگیری Jev با بهرهگیری از هوش مصنوعی Claude Opus 5 توانست در یک هفته بازی Pokémon Red را به پایان رسانده و وارد تالار مشاهیر این بازی شود.
به گزارش سرویس هوش مصنوعی تکناک، مدل تصمیمگیری Jev، محصول جدید شرکت TypeSafe AI، موفق شد با غلبه بر گروه مربیان چهارگانه Elite Four و شکست دادن قهرمان نهایی، وارد تالار مشاهیر یا Hall of Fame در بازی Pokémon Red شود. این دستاورد فنی در تاریخ ۲۳ سپتامبر ۲۰۲۶ و در جریان یک پروژه پخش زنده آزمایشی رقم خورد. برخلاف چتباتها و مدلهای زبانی بزرگ که پیشتر ماهها برای به پایان رساندن این بازی تلاش کرده بودند، مدل Jev تنها در مدت یک هفته به خط پایان رسید.
این موفقیت حاصل معماری ترکیبی خاصی بود که در آن مدل Claude Opus 5 شرکت Anthropic با تحلیل مداوم دادههای بازی و اصلاح گزینههای تصمیمگیری، نقشی مشابه یک مربی را برای هدایت Jev ایفا میکرد. پروژه یادشده توسط اندرو بوید، توسعهدهنده نرمافزار و بنیانگذار شرکت Standard Agents Inc. که در زمینه ارائه بسترهای ساخت ایجنتهای هوش مصنوعی فعالیت دارد، در شبکه اجتماعی X معرفی و آغاز شد.
روند اجرای بازی به صورت عمومی و از طریق مرورگر وب یا محیط خط فرمان ترمینال به نمایش درآمد و یک تالار گفتوگوی زنده نیز به این بستر متصل بود که وظیفه مدیریت پیامهای کاربران آن را خود مدل Jev بر عهده داشت. کاربران برای مشارکت و گفتگو ملزم به احراز هویت از طریق حساب Github بودند و جریان بازی از ۱۷ سپتامبر به شکل پیوسته مورد توجه قرار گرفت.
معماری متمایز از مدلهای زبانی
مدل Jev ساختاری کاملاً متمایز از مدلهای زبانی متداول یا چتباتها دارد. این سیستم به عنوان یک مدل تخصصی تصمیمگیری طراحی شده است که خروجیهای خود را همراه با یک شاخص آماری از ضریب اطمینان ارائه میدهد. Jev هیچ تصویری از صفحه بازی را دریافت یا پردازش نمیکند و متون یا تصاویری نیز تولید نمینماید. شیوه کار آن متکی بر دسترسی به فهرستی از گزینههای ممکن به همراه واقعیتهای مشخص است و در هر لحظه، محتملترین و بهینهترین گزینه را از بین موارد موجود برمیگزیند.
در این جریان، مدل Claude Opus 5 با دسترسی به گزارش فنی و لاگ بازی، وظیفه نظارت و رفع بنبستهای حرکتی را از طریق تغییر دادن گزینهها و دادههای ارائهشده به Jev انجام میداد. جزئیات فنی منتشرشده در گزارش تغییرات سیستم نشان میدهد که برنامه واسط ۴۷۴ بار دستخوش اصلاح و بهروزرسانی شده است که بخش عمده آنها شامل واکنش به رفتارهای تکراری یا خطاهای بازی بوده است.
از جمله این چالشها میتوان به ۵۳ بار تلاش ناموفق برای ورود به ورودی بسته Lorelei و ۱۲۴ بار بالا و پایین رفتن بیهدف از یک نردبان در غار Rock Tunnel ظرف مدت ده دقیقه اشاره کرد. همچنین پس از شکست دادن هر چهار مربی Elite Four، مدل Jev در رقابت با هیولای Alakazam مغلوب شد و مجبور گردید برای رسیدن به قهرمان، کل مسیر مبارزه با چهار مربی پیشین را از ابتدا تکرار کند تا سرانجام در همان روز پیروزی کامل حاصل شود.
مدل Claude Opus 5 نقش پررنگی در بهینهسازی فنی و کنترل هزینههای این فرایند ایفا کرد. بر اساس مشخصات فنی TypeSafe، حجم متن ارسالی به مدل Jev تا دو سوم کاهش داده شد و برای بهبود پردازش، بهجای دادههای عددی از واژگان متنی استفاده گردید. علاوه بر این، در مواقعی که سیستم در چرخههای تکرار گرفتار میشد، فاصله درخواستهای تصمیمگیری از یک ثانیه به شش ثانیه افزایش مییافت تا از رفتارهای تکراری جلوگیری شود.
در کنار این سازوکار خودکار، مشارکت انسانی نیز در پیشبرد پروژه موثر بود؛ تماشاگران حاضر در تالار گفتگو پیشنهادهایی برای عبور از مراحل ثبت میکردند و توسعهدهنده با گزینش نکات کاربردی، فهرست انتخابهای مجاز برای Jev را بهبود میبخشید. این اتکای همزمان به مدل زبانی، توسعهدهنده انسانی و دادههای کاربران، بهخوبی مرز میان نقاط قوت و محدودیتهای یک مدل تصمیمگیری را آشکار ساخت.
مدیریت هوشمند داده و تصمیمگیری
عرضه مدل Jev در ۱۵ سپتامبر با بازخورد گستردهای از سوی جامعه فنی روبرو شد، تا جایی که شرکت LangChain از توجه فراتر از انتظار توسعهدهندگان به این مدل خبر داد و چند پروژه مشابه در فاصله کوتاهی کلید خورد. در یکی از این پروژهها، کریستین ماتیسن از پلتفرم Frigade سازوکاری طراحی کرد که در آن نرمافزار واسط مستقیماً حافظه رم بازی را میخواند و گزینههای معتبر قانونی را در اختیار Jev قرار میداد، بدون آنکه دستکاری یا نوشتنی در حافظه صورت گیرد.
به گفته ماتیسن، در نسخه اولیه برنامه که مدل باید دکمههای کنترلی را مستقیماً تعیین میکرد، سیستم حتی نتوانسته بود از نقطه شروع بازی در شهرک Pallet Town خارج شود، اما با معماری جدید هزینه پردازش به حدود ۱ تا ۱.۷۰ دلار در هر شبانهروز محدود شد. در نمونهای دیگر، توسعهدهندهای با نام کاربری stmonty رویکرد متفاوتی را در پیش گرفت و یک مدل یادگیری کوچک را روی کارت گرافیک دسکتاپ RTX 3080 Ti با بیش از ۴۲ هزار فریم از گیمپلی آموزش داد. بهنقل از تامز هاردور، مدل یادشده بدون دریافت گزینههای کمکی و تنها با تکیه بر تحلیل بصری تصاویر صفحه تلاش میکرد اثر دکمهها را بیاموزد و توانست در ۵۲ مورد از ۱۰۰ تلاش، پوکمون آغازین را در آزمایشگاه انتخاب کند.
با این حال، مقایسه این روشها با عملکرد ترکیبی Jev نشان میدهد که تفکیک وظایف و بهرهگیری همزمان از مدلهای تخصصی تصمیمگیری در کنار مدلهای بزرگ زبانی، میتواند کارایی حل مسئله در محیطهای پیچیده را به شکل معناداری ارتقا دهد. در گذشته، تلاش مستقل شرکت Anthropic برای به پایان رساندن نسخه Red با مدل Claude Opus 4.5 پس از ماهها به فرجام نرسیده بود، اما سپردن پردازش گزینهها به یک مدل تصمیمگیری و واگذاری نقش راهبردی به مدل زبانی، مسیر رسیدن به هدف را به شکل بیسابقهای کوتاه ساخت.
