ра Minecraft (Sie Geschichte detailliert beschrieben Denis Koshelev) scheint kein sehr wichtiges Instrument zur Unterstützung der fortgeschrittenen Forschung im Bereich der KI zu sein. Ist es schließlich wichtig, einer Maschine beizubringen, ein Sandbox-Spiel zu spielen, das vor über 10 Jahren veröffentlicht wurde? Sie werden überrascht sein, aber ja, und das belegen die neuesten Forschungsergebnisse des OpenAI-Labors, das die Entwicklung der künstlichen Intelligenz untersucht.
OpenAI immer erfolgsorientiert KI und maschinelles Lernen, von dem die Menschheit profitieren kann. Das Unternehmen hat kürzlich einen Bot erfolgreich darauf trainiert, Minecraft mit über 70 Stunden Spielmaterial zu spielen (das sind über 2,9 Tage oder fast 8 Jahre, wenn überhaupt). Diese Errungenschaft markiert einen großen Schritt nach vorne im fortgeschrittenen maschinellen Lernen durch Beobachtung und Simulation.
Der OpenAI-Bot ist ein großartiges Beispiel dafür, wie Simulationslernen (auch bekannt als „überwachtes Lernen“) funktioniert. Im Gegensatz zum bestärkenden Lernen, bei dem ein Lernagent belohnt wird, nachdem er ein Ziel durch Versuch und Irrtum erreicht hat, trainiert die Simulation neuronale Netze, um bestimmte Aufgaben auszuführen, indem beobachtet wird, wie eine Person sie ausführt. In diesem Fall verwendete OpenAI vorhandene Gameplay-Videos und Tutorials, um es dem Bot zu ermöglichen, komplexe Spielszenarien auszuführen, die für einen normalen Spieler ungefähr 24 separate Aktionen erforderlich gemacht hätten.
Auch interessant:
Imitationslernen erfordert, dass die Videodaten speziell gekennzeichnet werden, um den Kontext der Aktion und des Ergebnisses bereitzustellen, d. h. das KI konnte verstehen, welche Knöpfe gedrückt und welche Bewegungen gemacht wurden. Ein solcher Ansatz kann jedoch zeitaufwändig sein, was dazu führt, dass nur begrenzte Datensätze verfügbar sind.
Anstatt ihre Muskeln spielen zu lassen, indem sie eine groß angelegte Übung zur manuellen Datenkennzeichnung durchführten, verwendete das OpenAI-Forschungsteam einen speziellen Ansatz, der als Video Pre-Training (VPT) bekannt ist, um die Anzahl der verfügbaren Videos zu erweitern. Zunächst zeichneten die Forscher 2 Stunden kommentiertes Gameplay auf Minecraft und verwendet es, um den Agenten zu trainieren, bestimmte Aktionen mit bestimmten Ergebnissen auf dem Bildschirm zu verknüpfen. Das resultierende Modell wurde verwendet, um automatisch Etiketten für 70 Stunden zuvor nicht gekennzeichnete Minecraft-Inhalte zu generieren, die online verfügbar waren. Dadurch erhielt der Bot einen viel größeren Datensatz, den er sich ansehen und simulieren konnte.
Auch interessant:
Diese Studie zeigt den potenziellen Wert zugänglicher Video-Repositories wie z YouTube, als Bildungsressource für KI. Wissenschaftler des maschinellen Lernens können zugängliche und ordnungsgemäß gekennzeichnete Videos verwenden, um KI für bestimmte Aufgaben zu trainieren, von der einfachen Webnavigation bis hin zur Unterstützung von Benutzern bei körperlichen Bedürfnissen im wirklichen Leben.
Sie können der Ukraine helfen, gegen die russischen Invasoren zu kämpfen. Der beste Weg, dies zu tun, besteht darin, Gelder an die Streitkräfte der Ukraine zu spenden Das Leben retten oder über die offizielle Seite NBU.
Auch interessant: