Minecraft โดนบุก ! นักวิจัยปล่อยฝูง AI ให้ “สร้างอารยธรรมที่รุ่งเรือง” เพื่อศึกษากรณี AI บุกแฮ็ก
นักวิจัยด้าน AI จาก วาย คอมบิเนเตอร์ (Y Combinator) และโอแลม แล็บส์ (Olam Labs) บริษัทด้านการวิจัยและประเมินผลปัญญาประดิษฐ์ในสหรัฐอเมริกา ได้ทดลองปล่อยฝูงปัญญาประดิษฐ์ผู้ช่วย (AI Agent) ในเกมไมน์คราฟต์ (Minecraft) วิดีโอเกมที่ผู้เล่นสามารถใช้บล็อกสี่เหลี่ยมต่าง ๆ ในการสร้างและออกแบบสิ่งของหรือโลกได้อย่างอิสระ โดยนักวิจัยปล่อย AI Agent ในโหมดต่าง ๆ ภายในเกมให้ทำงานร่วมกันหรือเผชิญหน้ากันในฐานะศัตรู โดยมีเป้าหมายในการใช้เกมเป็นกรณีศึกษาของ AI Agent ในโลกจริงที่กำลังเป็นข่าวดัง
การศึกษาทั้งผลเสียและผลดี
การศึกษานี้ไมไ่ด้มุ่งศึกษาเพียงแค่ผลเสียที่เกิดขึ้นจากการใช้ปัญญาประดิษฐ์ผู้ช่วย (AI Agent) เท่านั้น แต่รวมถึงผลดีที่เกิดขึ้นด้วย ซึ่งการศึกษาครั้งนี้อาจช่วยให้นักวิจัยเห็นสิ่งที่เกิดขึ้นในกรณีการใช้งาน AI แบบกลุ่ม เพื่อให้สามารถพัฒนาเทคโนโลยีนี้ให้ดียิ่ึงขึ้น โดยจากบทความการศึกษาดังกล่าว ได้กล่าวถึงสองกรณีที่ตรงข้ามกัน ได้แก่ ฝูงเอเจนต์หลักพันตัว ที่แก้โจทย์คณิตศาสตร์หลายร้อยข้อได้สำเร็จ และเหตุการณ์โอเพนเอไอ-ฮักกิ้งเฟซ (OpenAI-Hugging Face) ที่เป็นการแฮ็กข้อมูลที่น่ากังวลอย่างยิ่ง
สรุปข่าว
นักวิจัยด้าน AI จาก วาย คอมบิเนเตอร์ (Y Combinator) และโอแลม แล็บส์ (Olam Labs) บริษัทด้านการวิจัยและประเมินผลปัญญาประดิษฐ์ในสหรัฐอเมริกา ได้ทดลองปล่อยฝูงปัญญาประดิษฐ์ผู้ช่วย (AI Agent) ในเกมไมน์คราฟต์ (Minecraft) วิดีโอเกมที่ผู้เล่นสามารถใช้บล็อกสี่เหลี่ยมต่าง ๆ ในการสร้างและออกแบบสิ่งของหรือโลกได้อย่างอิสระ โดยนักวิจัยปล่อย AI Agent ในโหมดต่าง ๆ ภายในเกมให้ทำงานร่วมกันหรือเผชิญหน้ากันในฐานะศัตรู โดยมีเป้าหมายในการใช้เกมเป็นกรณีศึกษาของ AI Agent ในโลกจริงที่กำลังเป็นข่าวดัง
การศึกษาทั้งผลเสียและผลดี
การศึกษานี้ไมไ่ด้มุ่งศึกษาเพียงแค่ผลเสียที่เกิดขึ้นจากการใช้ปัญญาประดิษฐ์ผู้ช่วย (AI Agent) เท่านั้น แต่รวมถึงผลดีที่เกิดขึ้นด้วย ซึ่งการศึกษาครั้งนี้อาจช่วยให้นักวิจัยเห็นสิ่งที่เกิดขึ้นในกรณีการใช้งาน AI แบบกลุ่ม เพื่อให้สามารถพัฒนาเทคโนโลยีนี้ให้ดียิ่ึงขึ้น โดยจากบทความการศึกษาดังกล่าว ได้กล่าวถึงสองกรณีที่ตรงข้ามกัน ได้แก่ ฝูงเอเจนต์หลักพันตัว ที่แก้โจทย์คณิตศาสตร์หลายร้อยข้อได้สำเร็จ และเหตุการณ์โอเพนเอไอ-ฮักกิ้งเฟซ (OpenAI-Hugging Face) ที่เป็นการแฮ็กข้อมูลที่น่ากังวลอย่างยิ่ง
การทำงานร่วมกันของเอเจนต์หลายตัว (Multi-agent dynamics) ใน Minecraft
แผนการทดสอบฝูง AI ชุดแรกเป็นรูปแบบความร่วมมืออย่างง่าย โดยในการทดสอบนี้ ทีมนักวิจัยได้มอบหมายให้เอเจนต์ 50 ตัวสร้างอารยธรรมที่รุ่งเรืองขึ้นมาภายในเวลา 3 ชั่วโมง โดยเว็บไซต์ทอมส์ฮาร์ดแวร์ (Tom’s Hardware) เว็บไซต์ด้านเทคโนโลยีให้ข้อสังเกตว่าทางนักวิจัยจะใช้เอเจนต์ จีพีที-6.1 โซล (GPT-6.1 Sol) จำนวน 50 ตัวในการทดสอบนี้ และไม่ได้ใช้เอเจนต์คล็อด (Claude) เลย
สิ่งที่น่าสนใจที่สุดจากการทดสอบ คือการที่อาณานิคมของเอเจนต์ 50 ตัวไม่เคยเจริญรุ่งเรืองได้อย่างแท้จริง หลังจากคืนแรกที่ซอมบี้ (ภายในเกม) กำจัดเอเจนต์ไปเป็นจำนวนมาก ก็มีข้อสังเกตว่า ภารกิจที่วางแผนไว้ในช่วงแรกเริ่มถูกละทิ้งไปจำนวนมากด้วยเช่นกัน
นับจากนั้นเป็นต้นมา ทีมวิจัยสังเกตว่า เหล่าผู้ตั้งถิ่นฐาน AI Agent ก็เอาชีวิตรอดอย่างระมัดระวังจนเกินเหตุ และและมีแนวโน้มไปสู่ระบบราชการมากขึ้น (toward bureaucracy) ตัวอย่างเช่น เอเจนต์ 4 ตัวใช้เวลาไปถึง 11 นาทีเพื่อแต่งตั้งตำแหน่ง ‘ผู้ควบคุมปุ๋ยแต่เพียงผู้เดียว’ สำหรับการใช้ผงกระดูก (Bone meal) ชิ้นเดียวกับบล็อกข้าวสาลีเพียงบล็อกเดียว นักวิจัยระบุว่าพฤติกรรมของฝูง AI Agent นี้ให้ความรู้สึกคล้ายกับรูปแบบที่พบเห็นเวลาทำงานร่วมกับเอเจนต์ที่ใช้เขียนโค้ด
AI Agent เผชิญหน้ากันใน Minecraft
ลำดับถัดมา นักวิจัยตัดสินใจนำฝูง AI Agent มาเผชิญหน้ากันในการแข่งขัน เริ่มแรกเป็นการทดสอบในโหมดเบ็ด วอรส์ (Bed Wars) ซึ่งเป็นเกมแบบทีมที่ต้องบุกยึดฐานฝ่ายตรงข้ามพร้อมกับป้องกันฐานของตัวเอง โดยจัดให้เอเจนต์จีพีที-6.1 ซอล (GPT-6.1 Sol) จำนวน 10 ตัว สู้กับคล็อด โอพุส 5.5 (Claude Opus 5.5) จำนวน 10 ตัว
ผู้ทดลองกล่าวว่า เอเจนต์ของจีพีที (GPT) วางกลยุทธ์ที่ดุดันและซับซ้อนกว่ามาก ขณะที่คล็อด (Claude) จะเน้นตั้งรับมากกว่า นอกจากนี้ยังน่าสนใจตรงที่ทั้งสองทีมมีวิธีจัดการกับปัญหาที่แตกต่างกันอย่างสิ้นเชิง เมื่อเกิดข้อผิดพลาดของเครื่องมือทำให้ทำลายบล็อกไม่ได้ ฝั่งจีพีที (GPT) วินิจฉัยปัญหาและแชร์วิธีแก้ไขชั่วคราวให้กัน ส่วนคล็อด (Claude) หลายตัวกลับสรุปว่า การทำลายบล็อกนั้นเป็นไปไม่ได้
ระบบฝูงเอเจนต์เหล่านี้เปิดเป็นโอเพนซอร์สให้สามารถนำไปรันเองได้ หากสนใจนำไปปรับแต่งและทดลอง บล็อกต้นทางของนักวิจัยยังได้ทิ้งคำถามปลายเปิดหลายข้อที่สามารถลองตรวจสอบได้ด้วยตัวเอง ซึ่งเป็นแนวทางสำหรับการค้นคว้าเพิ่มเติม ตัวอย่างเช่น การเปรียบเทียบการผสมผสานโมเดลหลายรูปแบบ หรือการปรับเปลี่ยนขนาดของฝูงเอเจนต์ใน Minecraft อาจนำไปสู่ข้อสรุปที่คุ้มค่าและน่าสนใจต่อไป
ที่มาข้อมูล : Tom's Hardware
ที่มารูปภาพ : Ycombinator
