Az OpenAI szakértői megtanítottak egy neurális hálózatot játszani Minecraft ugyanolyan magas színvonalon, mint az emberi játékosok.
A neurális hálózatot 70,000 XNUMX órányi különféle játékon belüli felvételen képezték ki, kiegészítve egy kis adatbázis videók közül, amelyekben a vállalkozók konkrét játékon belüli feladatokat hajtottak végre, a billentyűzet és a egér a bemeneteket is rögzítjük.
A finomhangolást követően az OpenAI azt találta, hogy a modell képes minden összetett készség elvégzésére, az úszástól az állatok vadászatáig és a hús elfogyasztásáig. Megfogta az „oszlopugrást” is, egy olyan mozdulatot, amellyel a játékos az ugrás közepén maga alá helyez egy anyagtömböt, hogy feljusson.
Talán a leglenyűgözőbb az, hogy az AI képes volt gyémántszerszámokat készíteni (amelyek egymás után végrehajtandó műveletek hosszú sorát igényelték), amit az OpenAI „példátlan” teljesítménynek minősített egy számítógépes ügynök számára.
AI áttörés?
A Minecraft projekt jelentősége abban rejlik, hogy bemutatja az OpenAI által a mesterséges intelligencia modellek képzésében alkalmazott új technika – a Video PreTraining (VPT) – hatékonyságát, amely a cég szerint felgyorsíthatja az „általános számítógép-használó ágensek” fejlesztését.
Történelmileg az volt a nehézség, hogy a nyers videót AI modellek képzésének forrásaként használjuk mit megtörtént elég egyszerű ahhoz, hogy megértsük, de nem feltétlenül hogyan . Valójában az AI-modell elnyeli a kívánt eredményeket, de nem fogja fel az eléréséhez szükséges bemeneti kombinációkat.
A VPT-vel azonban az OpenAI egy nyilvános webes forrásokból származó nagy videóadat-készletet párosít egy gondosan összeválogatott, a megfelelő billentyűzet- és egérmozdulatokkal ellátott felvételkészlettel, hogy létrehozza az alapmodellt.
Az alapmodell finomhangolásához a csapat kisebb adatkészleteket csatlakoztat, amelyeket konkrét feladatok tanítására terveztek. Ebben az összefüggésben az OpenAI olyan felvételeket használt fel, amelyeken a játékosok a játék elején végrehajtott műveleteket hajtottak végre, például fákat vágtak ki és asztalokat építettek, ami állítólag „jelentős javulást” eredményezett abban a megbízhatóságban, amellyel a modell képes volt végrehajtani ezeket a feladatokat.
Egy másik technika az AI-modellt „jutalmazza” a feladatok sorozatának minden egyes lépéséért, ezt a gyakorlatot megerősítő tanulásnak nevezik. Ez a folyamat tette lehetővé a neurális hálózat számára, hogy emberi szintű sikeraránnyal összegyűjtse a gyémánt csákány összes összetevőjét.
„A VPT kikövezi az utat afelé, hogy az ügynökök megtanuljanak cselekedni az interneten található rengeteg videó megtekintésével. Összehasonlítva a generatív videomodellezéssel vagy a kontrasztív módszerekkel, amelyek csak reprezentációs prioritásokat adnak, a VPT izgalmas lehetőséget kínál a nagyszabású viselkedési prioritások közvetlen megtanulására, nemcsak nyelven” – magyarázta az OpenAI. blogbejegyzés (új lapon nyílik meg)
"Míg csak a Minecraftban kísérletezünk, a játék nagyon nyílt végű, és a natív emberi felület (egér és billentyűzet) nagyon általános, ezért úgy gondoljuk, hogy eredményeink jót tesznek más hasonló területeken, például a számítógéphasználatban."
A térben való további kísérletezés ösztönzése érdekében az OpenAI partnerséget kötött a MineRL NeurIPS verseny
English
Arabic
Belarusian
Bengali
Bosnian
Bulgarian
Chinese (Simplified)
Croatian
Czech
Danish
Dutch
English
Estonian
Filipino
Finnish
French
Georgian
German
Greek
Gujarati
Hausa
Hebrew
Hindi
Hmong
Hungarian
Igbo
Indonesian
Italian
Japanese
Javanese
Kazakh
Korean
Kurdish (Kurmanji)
Kyrgyz
Lao
Latvian
Lithuanian
Macedonian
Malagasy
Norwegian
Persian
Polish
Portuguese
Punjabi
Romanian
Russian
Serbian
Slovak
Slovenian
Spanish
Swedish
Thai
Turkish
Ukrainian
Vietnamese
Yoruba