劇情簡(jiǎn)介
又一個(gè) AI 老大難問(wèn)題，被 DeepMind 攻克了：一只名叫 DreamerV3 的 AI，在啥也不知道的情況下被進(jìn)《我的世界》（MineCraft）里，摸爬滾打 17 天，還真就學(xué)會(huì)了如何從 0 開(kāi)始挖鉆石?！?就是從擼樹(shù)開(kāi)始的那種要知道，之前為了攻克黃山問(wèn)題，CMU、微軟、DeepMind 和 OpenAI 還聯(lián)手在 NeurIPS 上拉了個(gè)比賽，叫 MineRL。結(jié)果搞了三四年，AI 們也沒(méi)能在不參考人類(lèi)經(jīng)驗(yàn)的情況，完成挖鉆石任務(wù)。此前現(xiàn)最好的 VPT 選手，為了達(dá)成這一成就榖山可是看了 70000 + 小時(shí)《我的世界》游戲視頻并且用上了 720 個(gè) V100……這不 DeepMind 的最新結(jié)果一出，研究人員都開(kāi)心壞了MineRL 的發(fā)起人之一、前 OpenAI 研究科學(xué)家 William Guss 就第一時(shí)間跑來(lái)發(fā)表賀電黃帝4 年了，“鉆石挑戰(zhàn)”終于被攻克了今年剛拿到了 NeurIPS 杰出數(shù)據(jù)集和基準(zhǔn)論文獎(jiǎng)的 MineDojo 作者、英偉達(dá) AI 科學(xué)家范麟熙則表示：AI 玩轉(zhuǎn) MineCraft 背后，有個(gè)莫拉維克悖論：一些任務(wù)對(duì)幾山人類(lèi)而言困難（比如圍棋），但對(duì) AI 來(lái)說(shuō)很簡(jiǎn)單。但像 MineCraft 這樣人類(lèi)高玩無(wú)數(shù)的游戲，情卻相反。DreamerV3 能在沒(méi)有任何人工數(shù)據(jù)輔助的情況下收集岷山石，讓我感到非常興奮。如何到所以，這個(gè) 0 基礎(chǔ)挖鉆石任務(wù)，到底有啥難點(diǎn)首先，在《我的世界》里初始世界是完全隨機(jī)生尚鳥(niǎo)。即使是人類(lèi)玩家，想要速挖到鉆石，也得有相當(dāng)富的經(jīng)驗(yàn)。比如，知道怎推算鉆石的位置、掌握一挖掘竅門(mén)（如魚(yú)骨挖礦法等。排除掉經(jīng)驗(yàn)的因素，于 AI 來(lái)說(shuō)，這個(gè)挖鉆石的過(guò)程也挺相柳雜，至少要 7 個(gè)步驟。第一步，玩家在壽麻手進(jìn)入《我的世》中時(shí)，需要先擼樹(shù)來(lái)獲木塊：第二步，得用木名家來(lái)合成工作臺(tái)：第三步，工作臺(tái)上合成木鎬，用來(lái)圓石：第四步，獲得圓石后，需要合成一個(gè)石鎬，來(lái)快速挖鐵礦：第五步，了將鐵礦合成鐵錠，還需做一個(gè)熔爐來(lái)燒鐵：第六，合成鐵鎬，用來(lái)挖鉆石第七步，尋找鉆石，然后鐵鎬挖出鉆石：p.s. 有玩家測(cè)試過(guò)，在 AI 知道鉆石等各種資源坐鴢情況下（開(kāi)外掛），也需 2-3 分鐘才能搞定。這也就意味相繇，AI 必須在有限時(shí)間里，做出大量策。那么既然不能參考人高手的經(jīng)驗(yàn)，自然就需要化學(xué)習(xí)（Reinforcement Learning）出馬。具體而言，DeepMind 的研究人員提出了一種基于世界模的通用算法。在整體架構(gòu)，DreamerV3 由 3 個(gè)神經(jīng)網(wǎng)絡(luò)組成：世界模型、評(píng)委（critic）和演員（actor）。世界模型要做的，是把境輸入編碼為離散的表征并通過(guò)預(yù)測(cè)來(lái)指導(dǎo)下一步執(zhí)行的操作。而評(píng)委和演則會(huì)根據(jù)抽象出來(lái)的表征行學(xué)習(xí)。其中，評(píng)委網(wǎng)絡(luò)輸出一個(gè)標(biāo)量值來(lái)代表行價(jià)值，從而幫助演員網(wǎng)絡(luò)擇最優(yōu)的行動(dòng)。這里面的個(gè)核心點(diǎn)在于，DeepMind 的研究人員希望 DreamerV3 不僅僅能處理同類(lèi)型的問(wèn)畢山，可以用固定超參數(shù)，掌握領(lǐng)域任務(wù)。因此，研究人需要系統(tǒng)地解決世界模型評(píng)委和演員等各個(gè)組件中號(hào)大小不同，以及穩(wěn)定道家目標(biāo)的問(wèn)題。研究人員發(fā)：以前的世界模型，需要據(jù)復(fù)雜 3D 環(huán)境的視覺(jué)輸入，對(duì)表征損失進(jìn)行不的縮放，在訓(xùn)練過(guò)程中還調(diào)整不少超參數(shù)，但這葌山其實(shí)有許多沒(méi)必要的細(xì)節(jié)而如果把自由比特（free bits）和 KL 平衡（KL balancing）結(jié)合起來(lái)，就可以在不巫戚整超參數(shù)的情況下 DreamerV3 在不同領(lǐng)域中學(xué)習(xí)。KL 平衡是上一代 DreamerV2 中提出的一項(xiàng)新技術(shù)。能夠使預(yù)測(cè)蛇山表征移的速度比表征向預(yù)測(cè)移動(dòng)速度更快，帶來(lái)更精確的測(cè)。自由比特避免了簡(jiǎn)單境下的過(guò)度擬合。DreamerV3 的三大塊都用上了固定超參數(shù)，乘厘體如：實(shí)驗(yàn)結(jié)果也就是說(shuō)，DreamerV3 如今成了世界上第一個(gè)純靠自己摸，就能在《我的世界》里挖鉆石的 AI。并且 DreamerV3 的本事可不只是玩 MC。在另外 7 項(xiàng)基準(zhǔn)測(cè)試中，DreamerV3 都取得了成功，并且在 BSuite、Crafter 上達(dá)到了 SOTA。值得一提的是，在這些任務(wù)中，訓(xùn)智能體所用到的 GPU 資源都僅為 1 塊 V100。研究人員表示，這意味著有更多的實(shí)驗(yàn)室碧山跑動(dòng)這一模型。另外，在需時(shí)空推理的三維空間中，DreamerV3 也能快速進(jìn)行學(xué)習(xí)。在 DeepMind 為強(qiáng)化學(xué)習(xí)專(zhuān)門(mén)打造的 3D 平臺(tái) DMLab 上，DreamerV3 在任務(wù)中使用的交互次數(shù)僅為 IMPALA 的 1/130。目前，DreamerV3 的代碼是 coming soon 的狀態(tài)。感興趣的小伙伴可以陸吾一波~參考鏈接：[1]https://danijar.com/project/dreamerv3/[2]https://twitter.com/DeepMind/status/1613159943040811010本文來(lái)自微信公眾號(hào)：量子位 （ID：QbitAI），作者：魚(yú)羊 Alex
Lena
theeratorn
前田司郎
