索尼承諾將“增加PS5主機(jī)供應(yīng)”
2023-01-31
經(jīng)過7萬小時訓(xùn)練后，AI學(xué)會了玩《我的世界》
更新時間：2022-06-29 12:12:38作者：佚名
AI擊敗末影龍指日可待。
2019年，為了研究分析AI與兒童的智力差距，一群世界頂級科研人員在卡內(nèi)基梅隆大學(xué)和微軟的共同資助下舉辦了一場名為“MineRL”的比賽，以知名游戲《我的世界》為舞臺，讓接受訓(xùn)練的AI在限定的時間內(nèi)尋找游戲中的稀有物品——鉆石。
考慮到一位普通兒童在觀看10分鐘的教學(xué)視頻后便能自主游玩《我的世界》，這項挑戰(zhàn)在外行來看似乎并不是很困難，但事實是，參賽的AI們在長達(dá)4天的限時挑戰(zhàn)里執(zhí)行了超過800萬次操作之后，仍未能順利達(dá)成目標(biāo)。
在這之后，MineRL競賽成了一年一度的科研項目，每年都會有不少探索AI前沿技術(shù)的學(xué)者帶著他們精心調(diào)教的AI來《我的世界》里挖鉆石。而去年的MineRL大賽更是吸引了海內(nèi)外近60支隊伍參賽，超過400名研究人員同臺競技，其關(guān)注度可見一斑。
而到了最近，知名AI科技公司OpenAI終于實現(xiàn)了技術(shù)突破，提前殺死了比賽。根據(jù)他們于6月23日發(fā)布的論文來看，由他們訓(xùn)練的AI已經(jīng)做到了熟練游玩《我的世界》，挖鉆石對他們家的AI來說早已不在話下，畢竟它目前已經(jīng)掌握了只有人類才能領(lǐng)悟的高階玩法：
為了讓AI真正做到像人類一樣“玩游戲”，OpenAI的研究人員引入了一種新穎且便捷的AI訓(xùn)練法：視頻預(yù)訓(xùn)練（Video PreTraining）。他們通過從相關(guān)合作方處獲取《我的世界》演示視頻以及與視頻配套的鍵盤鼠標(biāo)操作記錄，并根據(jù)這些操作習(xí)慣建立逆動力學(xué)模型（inverse dynamics model）以推測模擬視頻內(nèi)的鍵鼠操作邏輯，此后再反復(fù)推演全世界的《我的世界》視頻以模擬人類的游玩習(xí)慣。
在“被迫”觀看了7萬小時的視頻后，OpenAI旗下的AI的操作已經(jīng)相當(dāng)傳神：氧氣稀少時會主動浮出水面、餓肚子了會啃腐肉充饑，而在研究人員的數(shù)據(jù)微調(diào)后，AI掌握了更加進(jìn)階的操作，包括搜刮隨機(jī)村莊里的寶箱，以及搭建一個簡陋的“火柴盒”。
至于同行們費盡心血鉆研的挖鉆石的方法，OpenAI也通過強(qiáng)化學(xué)習(xí)構(gòu)建了一套科學(xué)合理的計算機(jī)模型。從獲取木頭開始，到在工作臺上做出一把鉆石鎬，總計需要24000次操作，對于較為熟練的老玩家來說，完成這套流程的時長大概在20分鐘左右，而如今的AI在經(jīng)歷了大規(guī)模訓(xùn)練過后，收集鉆石的效率足以比肩人類。
目前，OpenAI已經(jīng)向MineRL大賽提交了他們研究的預(yù)訓(xùn)練模型，而今年參賽的科研隊伍也能在此模型的基礎(chǔ)上根據(jù)自己的主攻方向進(jìn)行微調(diào)?？紤]到OpenAI優(yōu)秀的訓(xùn)練成果，想必今年的MineRL大賽會是一場堪比神仙打架的高端對局，說不定不久之后，AI已經(jīng)開始研究如何速通了。