經(jīng)過7萬小時訓(xùn)練，OpenAI宣布做出了最強(qiáng)的《我的世界》AI

視頻是種潛力巨大的培訓(xùn)資源。

Open AI最近公布了一項他們在人工智能領(lǐng)域的最新成果——最擅長玩《我的世界》的AI。

厲害到什么程度？無論是建造地堡、金字塔這些復(fù)雜的建筑，跟游戲里的惡龍戰(zhàn)斗，亦或是“白手起家”，制造出稀有的鉆石工具都不在話下，這些任務(wù)即使是交給熟練的人類玩家來做，往往也需要數(shù)十分鐘的流程以及上萬個點擊操作。

(相關(guān)資料圖)

AI學(xué)會自己建造傳送門

而該AI在經(jīng)過訓(xùn)練后，則可以在沒有任何外力輔助的情況下自主完成這一系列事件，這是此前其他AI都無法做到的。根據(jù)Open AI的介紹，能夠?qū)崿F(xiàn)這一成果，依靠的是在模仿學(xué)習(xí)（imitation learning）技術(shù)上的新突破。

在這項技術(shù)中，AI會被訓(xùn)練成通過觀察并模仿人類的行為來完成相應(yīng)的任務(wù)，此前很多效果都運用到了類似的原理，比如控制機(jī)械手臂或者駕駛汽車。

既然AI需要觀察模仿，那么就勢必需要一定量的素材，而單就“熟練操作《我的世界》”而言，各大視頻網(wǎng)站上的學(xué)習(xí)素材其實已經(jīng)非常多，完全能夠滿足AI的學(xué)習(xí)需要。

但問題是，還需要另一項額外的工作，即“讓AI準(zhǔn)確理解視頻里的內(nèi)容”。

《我的世界》是一款沒有明確目標(biāo)的游戲，雖然網(wǎng)上素材繁多，可并不能直接拿來當(dāng)作學(xué)習(xí)資料，因為視頻里的每個動作和操作，其實都需要人類為其貼上“標(biāo)簽”，也就是做出相應(yīng)的注釋，才能AI明白操作的含義。

如果每個動作都需要人工注釋，那效率自然會降低，為了解決這個問題，研究人員想出了一項新方法——訓(xùn)練能夠自動為視頻操作貼標(biāo)簽的AI。

他們先是召集了一批志愿者玩家來操作游戲，并保留了玩家們的按鍵記錄，在得到2000個小時的游戲數(shù)據(jù)后，研究人員訓(xùn)練了一個新的模型，并人工將按鍵操作與游戲里的效果一一對應(yīng)，比如在什么情況下點擊鼠標(biāo)會讓人物揮動斧頭。

下一步便是用這個模型來處理網(wǎng)上海量的《我的世界》視頻，為他們貼上讓AI能夠理解的標(biāo)簽。根據(jù)公布的數(shù)據(jù)，為了得到理想的效果，科研人員提供的視頻素材長達(dá)70000個小時。

而這確實也獲得了一定的成果，比如像開頭說的那樣，AI已經(jīng)學(xué)會了如何自己制作鉆石工具。而Open AI的負(fù)責(zé)人Bowen Baker表示：“我們覺得《我的世界》是一個很好的研究領(lǐng)域?！?/p>

由于《我的世界》沒有明確的輸贏且自由度極高，所以研究人員可以訓(xùn)練AI執(zhí)行更多復(fù)雜的任務(wù)，而他們認(rèn)為這些工作最終可以反哺到現(xiàn)實——如果AI能在游戲里設(shè)計一張桌子，那么在現(xiàn)實里沒準(zhǔn)也行。

標(biāo)簽： 我的世界 研究人員 鉆石工具

　　 原標(biāo)題：經(jīng)過7萬小時訓(xùn)練，OpenAI宣布做出了最強(qiáng)的《我的世界》AI