Játszma, meccs Minecraft (neki történelem részletesen leírva Denis Koshelev) nem tűnik túl fontos eszköznek a mesterséges intelligencia területén végzett fejlett kutatások támogatásában. Végül is fontos megtanítani egy gépet játszani egy több mint 10 éve megjelent sandbox játékkal? Meg fogsz lepődni, de igen, és ezt bizonyítja az OpenAI laboratórium legújabb kutatása, amely a mesterséges intelligencia fejlődését vizsgálja.
OpenAI mindig az eredményekre összpontosított AI és a gépi tanulás, amely az emberiség javára válhat. A cég a közelmúltban több mint 70 2,9 órányi játékfelvétel felhasználásával sikeresen kiképzett egy botot Minecraft játékra (ez több mint 8 nap, vagy közel XNUMX év, ha van ilyen). Ez az eredmény óriási előrelépést jelent a megfigyelést és szimulációt alkalmazó fejlett gépi tanulásban.
Az OpenAI bot nagyszerű példa a szimulációs tanulás (más néven „felügyelt tanulás”) működésére. Ellentétben a megerősítő tanulással, ahol a tanuló ügynököt jutalmazzák, miután próbálkozás és hiba útján elért egy célt, a szimuláció arra tanítja a neurális hálózatokat, hogy bizonyos feladatokat hajtsanak végre azáltal, hogy megfigyelik, hogyan hajtja végre azokat. Ebben az esetben az OpenAI meglévő játékmeneti videókat és oktatóanyagokat használt, hogy lehetővé tegye a bot számára olyan összetett játékforgatókönyvek végrehajtását, amelyek körülbelül 24 XNUMX különálló műveletet igényeltek volna egy normál játékos számára.
Szintén érdekes:
Az imitációs tanulás megköveteli, hogy a videoadatokat speciálisan meg kell jelölni, hogy megadják a cselekvés és az eredmény kontextusát, azaz azt, hogy AI megértette, mely gombokat nyomták meg és milyen mozdulatokat hajtottak végre. Egy ilyen megközelítés azonban időigényes lehet, ami korlátozott számú adatkészletet eredményez.
Ahelyett, hogy nagyszabású kézi adatcímkézési gyakorlatot hajtottak volna végre, az OpenAI kutatócsoportja a Video Pre-Training (VPT) néven ismert speciális megközelítést alkalmazta a rendelkezésre álló videók számának bővítésére. Kezdetben a kutatók 2 órányi kommentárral ellátott játékmenetet rögzítettek Minecraft és arra használta az ügynököt, hogy bizonyos műveleteket a képernyőn megjelenő konkrét eredményekhez társítson. Az eredményül kapott modellt arra használták, hogy automatikusan címkéket generáljanak 70 XNUMX órányi, korábban címkézetlen, online elérhető Minecraft-tartalomhoz. Ezáltal a bot sokkal nagyobb adatkészletet kapott, amelyet megnézhet és szimulálhatott.
Szintén érdekes:
Ez a tanulmány bizonyítja az elérhető videótárak potenciális értékét, mint pl YouTube, mint az AI oktatási forrása. A gépi tanulással foglalkozó tudósok hozzáférhető és megfelelően felcímkézett videók segítségével oktathatják az AI-t meghatározott feladatokra, az egyszerű webes navigációtól a valós életben fizikai szükségletekkel küzdő felhasználók megsegítéséig.
Segíthet Ukrajnának az orosz megszállók elleni küzdelemben. Ennek legjobb módja, ha adományokat adományoz az ukrán fegyveres erőknek ezen keresztül Savelife vagy a hivatalos oldalon keresztül NBU.
Szintén érdekes: