في الآونة الأخيرة، تعاونت الأكاديمية الصينية للعلوم وفريق وانغ جون لإطلاق TextStarCraftII، وهو مشروع ذكاء اصطناعي ملفت للنظر مصمم للتغلب على لعبة StarCraft II المعقدة. يستخدم هذا المشروع النموذج الكبير LLMAgent لإظهار القدرات الإستراتيجية في اللعبة التي تتفوق على AlphaStar، بما في ذلك التنبؤ بالمخاطر، والتبديل المرن للأسلحة، وطرق اتخاذ القرار الأقرب إلى البشر. قام الفريق بتحسين كفاءة اتخاذ القرار في LLM من خلال طريقة سلسلة التلخيص المبتكرة، وصمم نظام كلمات سريعًا رائعًا لتعزيز عملية صنع القرار في الوقت الفعلي وقدرات التخطيط الاستراتيجي على المدى الطويل. يضع هذا البحث الرائد معيارًا جديدًا لتطبيق الذكاء الاصطناعي في الألعاب الإستراتيجية المعقدة، كما يوفر خبرة ومرجعًا قيمًا لتطوير الذكاء الاصطناعي في المستقبل.
تركز المقالة على:
في مواجهة تحدي StarCraft II، أصدرت الأكاديمية الصينية للعلوم وفريق Wang Jun بشكل مشترك TextStarCraftII. يستخدم هذا المنتج النموذج الكبير LLMAgent لإثبات التنبؤ بالمخاطر وتحويل القوات والاستراتيجيات الشبيهة بالإنسان في StarCraft II التي تتفوق على AlphaStar. يتم استخدام الطريقة الجديدة ChainofSummarization لتحسين قدرة LLM على اتخاذ القرار، كما تم تصميم نظام الكلمات السريع لتحسين عملية صنع القرار في الوقت الفعلي وقدرات التخطيط على المدى الطويل. يمكن العثور على معلومات تفصيلية في [الورقة](https://arxiv.org/pdf/2312.11865.pdf) و[عنوان المشروع](https://github.com/histmeisah/Large-Language-Models-play-StarCraftII) .يمثل نجاح TextStarCraftII التقدم الكبير الذي أحرزه الذكاء الاصطناعي في مجال الألعاب الإستراتيجية المعقدة، حيث يوفر ابتكارها التكنولوجي وتحسينها الاستراتيجي اتجاهات جديدة لتطوير الذكاء الاصطناعي في المستقبل. لمزيد من التفاصيل الفنية، يرجى زيارة الورقة وعناوين المشروع المقدمة لمزيد من المعلومات.