Мой блог
Искусственный интеллект GPT-6 Astra прошел World of Warcraft без графики и смертей
Современные языковые модели продолжают осваивать сложные видеоигры, причем порой весьма необычными методами. Разработчик экспериментального ПО задействовал новейшую модель OpenAI для прохождения популярной MMORPG на частном сервере без использования визуального интерфейса.

Как сообщает оригинальное издание, продвинутая нейросеть смогла полностью зачистить стартовую локацию орков в World of Warcraft всего за сорок минут, не умерев при этом ни единого раза.





Особенности проекта agent-wow и серверная архитектура
Для проведения этого необычного эксперимента применялся специальный клиент под названием agent-wow, который распространяется с открытым исходным кодом. Он спроектирован специально для автономных ИИ-агентов на базе эмулятора AzerothCore. Важно отметить, что данный софт не задает жестких игровых механик вроде передвижения или боевой системы, а лишь предоставляет гибкую модульную систему, позволяющую нейросети самостоятельно выстраивать логику взаимодействия с игровым миром.
Проект функционирует на базе серверного программного обеспечения AzerothCore, поддерживающего версию клиента 3.3.5а, которая считается финальной для дополнения Wrath of the Lich King. Взаимодействие происходит непосредственно через сетевой протокол игры на локальном частном сервере, что исключает подключение к официальным живым серверам Blizzard. В ходе эксперимента автор задействовал флагманскую языковую модель OpenAI с повышенным уровнем рассуждения, выставив его на шаг ниже максимального значения.
Обработка сетевых пакетов и парсинг квестовых данных
Инновационный подход заключается в полном отказе от рендеринга графики. Искусственный интеллект управлял персонажем «вслепую», анализируя входящие сетевые пакеты. С помощью написанного кода агент сформировал модуль для перехвата почти трех десятков типов серверных сообщений, сохраняемых в оперативной памяти. Специальный скрипт на Python опрашивал эти данные, создавая для нейросети цифровую картину происходящего и отправляя ответные команды.



Для ориентации в заданиях ИИ обратился к SQL-файлам базы данных эмулятора, извлекая информацию о выдающих квесты персонажах, точках сдачи и координатах спавна монстров. Такой метод напоминает ручной поиск информации на специализированных игровых базах данных, однако работа с исходными файлами сервера гарантирует абсолютную точность информации, на которой базируется игровой процесс.
Тактическое планирование и продвинутая навигация
Поведение нейросети демонстрировало элементы осознанного стратегического планирования. Она последовательно выполняла цепочки предварительных заданий, продавала ненужный хлам торговцам, приобретала доступную экипировку и изучала новые способности перед отправкой в финальную пещеру локации, предусмотрительно захватив сразу несколько квестов для их одновременного завершения.
Для перемещения по локациям разработчик интегрировал вспомогательный инструмент на C++, использующий навигационные сетки mmaps из AzerothCore. Библиотека пути Detour выстраивала оптимальный маршрут, возвращая координаты контрольных точек. По словам создателя эксперимента, алгоритм справился с задачей настолько эффективно, что в некоторых точках с ослабленными свойствами коллизий нейросеть даже успешно использовала особенности геометрии карты.
