Češi vycvičili AI na Counter-Striku. V testu chování v krizových situacích porazila GPT i Gemini

Mesocort AI Autor: Mesocort AI

Představte si, že jdete večer prázdnou ulicí a najednou vás někdo zezadu chytne za rameno. V tu chvíli nepřemýšlíte – tělo jedná za vás. Někdo se bleskově otočí a postaví se hrozbě čelem, jiný instinktivně uskočí. Racionální uvažování přichází až o zlomek vteřiny později. Podobné situace prožívají každou chvíli hráči týmové online střílečky Counter-Strike 2, když je zezadu přepadne neviditelný protivník.

Výzkumný tým ostravské společnosti Mesocort AI ve své studii ukázal, že tyto instinktivní reakce lze z herní telemetrie předpovědět ještě dříve, než se vůbec stihnou projevit na obrazovce. Specializované malé modely navíc v tomto úkolu porážejí obří jazykové modely. Poznatky získané z Counter-Striku lze zároveň převést do reality.

Záznam zápasu v Counter-Strike 2 obsahuje kompletní informace o pozicích všech hráčů i dráze každé střely s frekvencí 64 snímků za sekundu. Skutečný hráč ale nemá dokonalý přehled – vidí jen to, co má před sebou, a výhled mu omezují zdi, rohy či kouřové clony. Aby se umělá inteligence neučila podvádět na základě informací, které člověk nemohl mít, zrekonstruovali výzkumníci pro každý okamžik takzvané Ego-Knowledge – tedy přesný výřez reality, který mohl hráč v danou chvíli skutečně vnímat.

Z analýzy 32 205 odehraných zápasů vznikl dataset obsahující přes 271 tisíc vypjatých situací od téměř 120 tisíc hráčů. Každý moment byl automaticky označen podle toho, zda se hráč rozhodl bojovat, nebo ustoupit. Spolehlivost dat ověřilo sedm zkušených hráčů, kteří ručně posoudili vzorek 200 přepadení zezadu – v případech, kde se experti shodli, souhlasilo automatické hodnocení v 80,6 % případů.

Český tým na těchto datech natrénoval dva modely. EMBER je pragmatický a lehký model postavený na rozhodovacích stromech. ORBIT je neuronová síť typu transformer (stejná architektura, jaká pohání moderní jazykové modely), která sleduje vývoj situace okamžik po okamžiku.

Výsledky srovnání ukázaly sílu specializace. Zatímco velké jazykové modely jako Gemini 3.7 Flash či GPT-5.6 Terra, které dostávaly situace popsané textem, dosahovaly přesnosti kolem 61 až 63 % a odpověď jim trvala přes sekundu, model EMBER dokázal předpovědět reakci hráče s přesností 73,5 % za pouhou setinu milisekundy. V přepočtu na výpočetní náklady je tak více než tisíckrát rychlejší a levnější. Důležité přitom je, že modely dosahovaly přesnosti přes 71 % i u hráčů, které nikdy předtím neviděly – nenaučily se tedy zlozvyky jednotlivců, ale obecné zákonitosti lidského rozhodování pod tlakem.

Počítačová hra zde slouží jako bezpečná laboratoř, která generuje miliony reálných lidských rozhodnutí ve stresu, aniž by komukoliv hrozilo nebezpečí. Stejné modely lidských reakcí mají dle české firmy přesah mimo herní průmysl. Mohou najít uplatnění při výcviku řidičů v trenažérech, v simulacích pro chirurgy nebo ve virtuální realitě, kde pomohou vytvářet virtuální aktéry reagující stejně přirozeně jako skuteční lidé.

Výzkum nekončí. Modely zatím pracovaly pouze s vizuálními a prostorovými daty bez jediného zvuku. Přidání zvukové stopy – kroků, výstřelů či přebíjení zbraně, které hráči často zaregistrují dříve než samotného soupeře – je dalším logickým krokem ke zpřesnění předpovědí lidského chování v krizových okamžicích.

Mesocort v minulosti na datech z CSka vyzkoušel, jak umí umělá inteligence přenést poznatky o pohybu a chování naučené v počítačové hře do nového, jí neznámého prostředí. Adaptovala se velmi rychle.

Češi zkusili, jak umí AI přenést schopnost naučenou v Counter-Strike do kanceláře. Adaptovala se mnohonásobně rychleji Přečtěte si také:

Češi zkusili, jak umí AI přenést schopnost naučenou v Counter-Strike do kanceláře. Adaptovala se mnohonásobně rychleji

Našli jste v článku chybu?

Autor aktuality

Dlouholetý technologický novinář, kmenový redaktor portálu Lupa.cz. Kromě Lupy publikuje i na webu E15 a v zahraničních médiích.



Upozorníme vás na články, které by vám neměly uniknout (maximálně 2x týdně).