- GPT-6 Astra 在《魔獸世界》中無需視覺處理完成任務，耗時約 40 分鐘。
- 該模型通過伺服器消息重建環境，並創建工具來導航遊玩。
- 實驗中，GPT-6 Astra 能夠有效制定任務計劃並管理常規任務。
- 導航助手使用 mmaps 計算路徑，應對碰撞資訊不完整的地點。
根據開源項目 agent-wow 的開發者，OpenAI 的前沿智力模型 GPT-6 Astra 在《魔獸世界》的獸人起始區域完成任務，耗時約 40 分鐘，並未處理任何渲染的遊戲畫面。該人工智能並非通過截圖或計算機視覺來觀看遊戲，而是從伺服器網絡消息和遊戲數據重建環境，然後建立自己的工具來導航和遊玩。此次實驗是在運行 AzerothCore 的私有本地伺服器上進行，而非暴雪的實時《魔獸世界》服務。
開發者給予 Codex（運行 GPT-6 Astra 的高推理設置）一個簡單的指令：創建一個獸人角色並完成所有起始區域的任務。據報導，該代理在未死亡的情況下完成了任務。
GPT-6 Astra 的運作方式
此次實驗的異常之處在於，該模型所提供的傳統遊戲自動化功能非常有限。agent-wow 並未使用計算機視覺、截圖或直接的鍵盤和鼠標控制。相反，它允許人工智能代理通過《魔獸世界》的網絡協議與遊戲伺服器進行通信，根據 Tom’s Hardware 的報導。該項目也沒有提供預設的移動、戰鬥或互動系統。預期該代理將通過模塊來建立所需的能力。在運行過程中，GPT-6 Astra 創建了一個模塊，能夠處理數十個不同的伺服器消息，並將結果資訊保存在記憶中。
一個 Python 腳本隨後使用這些消息構建模型對遊戲中發生事情的視圖，並將動作發送回伺服器。這意味著模型可以在沒有收到人類玩家通常依賴的視覺資訊的情況下，自行確定周圍環境、任務進度和可用目標。
任務計劃與管理
因此，此次實驗測試的內容不同於僅僅教導人工智能識別遊戲畫面。該模型必須根據遊戲底層協議提供的資訊，推理一個結構化但不熟悉的環境。該代理還能訪問 AzerothCore 的底層數據，包括包含任務、NPC 和生成位置資訊的 SQL 文件。它利用這些資源來確定任務的開始和結束位置，以及不同目標之間的關聯。開發者表示，該模型有效地制定了完成前置任務的計劃，並管理常規任務，如出售不需要的物品、裝備更好的裝備以及在到達起始區域的最終洞穴之前進行技能訓練。
導航是該代理必須解決的另一個問題，GPT-6 Astra 生成了一個 C++ 助手，利用 AzerothCore 的導航網格數據（稱為 mmaps）來計算路徑。該助手使用 Detour 路徑尋找庫生成位置之間的路徑點，該代理隨後可以跟隨這些路徑點。開發者表示，該系統甚至遇到了一些碰撞資訊似乎不完整的地點，並能夠利用這些地圖的特性。這使得結果既有趣，又意味著此次運行不應被視為一項簡單的測試，以評估人工智能在未修改的商業遊戲世界中的導航能力。
GPT-6 Astra 在遊戲中的創新應用
此次實驗展示了 GPT-6 Astra 在無需視覺資訊的情況下，如何利用伺服器數據進行遊戲互動，這對於人工智能在遊戲中的應用具有重要意義。傳統上，遊戲自動化依賴於視覺識別和直接控制，但這次的創新方法打破了這一限制，顯示出 AI 在理解和推理複雜環境中的潛力。這不僅為未來的遊戲開發提供了新思路，也可能促進其他領域中無需視覺的 AI 應用發展。