AI看70000小時《我的世界》視頻，能達到一個什么水平？

以“鉆石鎬”（diamond pickaxe）為例，這個東西高級人類玩家要快速點擊20分鐘、約2.4萬個動作才能制作完成。

而現(xiàn)在的AI，已然能夠輕松hold住了。

哐哐找到各種材料，一步步進行各種合成：

這就是來自O(shè)penAI號稱最強的《我的世界》AI——MineDojo。

它還是世界第一個能夠打造“鉆石工具”的AI。

不僅如此，像打造“石鎬”、“簡易避難所”都不在話下：

當(dāng)然，在《我的世界》里其它的常規(guī)操作，在MineDojo手里也游刃有余。

例如游泳、狩獵、支柱跳等等：

至于OpenAI為什么要讓AI學(xué)會這些技巧，研究人員Bowen Baker表示：

很大程度上是因為我們在模擬人類上網(wǎng)時的行為。

MineDojo是如何煉成的？

正如我們剛才提到的，MineDojo的“煉成之道”，就是看視頻。

這些視頻內(nèi)容都是人類玩家發(fā)布在油管上，展示自己如何玩《我的世界》的。

然后在看完70000小時視頻之后，這個AI就學(xué)會了如何執(zhí)行游戲中的各種任務(wù)。

這種方式一般被稱為模仿學(xué)習(xí)（imitation learning），就是訓(xùn)練神經(jīng)網(wǎng)絡(luò)通過觀察人類行為來學(xué)習(xí)。

雖然此前也有眾多相關(guān)研究，但仍有一些問題尚待解決。

“貼標(biāo)簽”就是其中之一。

傳統(tǒng)方式就是在每一個動作上貼上標(biāo)簽：這么做會發(fā)生這件事、那么做會發(fā)生那件事。

但這種方式可想而知的后果，就是工作量太大了，導(dǎo)致可以用來訓(xùn)練的數(shù)據(jù)較少。

因此，OpenAI的研究人員便另辟蹊徑，想出了不一樣的研究思路——視頻預(yù)訓(xùn)練（Video Pre-Training，VPT）：

這個方法的核心思路，就是訓(xùn)練另一個神經(jīng)網(wǎng)絡(luò)，專門來處理繁瑣的“貼標(biāo)簽”的工作。

為此，研究人員先是找來一批玩家讓他們先玩《我的世界》，當(dāng)然，娛樂的同時也要記錄下鍵盤、鼠標(biāo)的點擊次數(shù)。

如此一來，研究人員先是得到了2000小時帶標(biāo)記的一些數(shù)據(jù)。

在這基礎(chǔ)上，他們便開始訓(xùn)練一個模型，來匹配鍵盤、鼠標(biāo)動作和屏幕上的結(jié)果——

例如在什么情況下點下鼠標(biāo)，會讓游戲中的角色揮舞斧頭。

把這個模型訓(xùn)練出來之后，就要引入70000小時沒有標(biāo)簽的視頻了；在它的加持下，龐大且可用的數(shù)據(jù)集就誕生了。

再接下來，就是回到之前模仿學(xué)習(xí)的思路，用這些新數(shù)據(jù)來訓(xùn)練AI。

雖說模仿學(xué)習(xí)可以說是強化學(xué)習(xí)的一個分支，但OpenAI的研究人員發(fā)現(xiàn)，VPT訓(xùn)出來的AI，能夠完成單靠強化學(xué)習(xí)無法完成的任務(wù)。

比如制作木板并把它們變成一張桌子（大約需要970個連續(xù)動作）。

不僅如此，研究人員還發(fā)現(xiàn)，若是把模仿學(xué)習(xí)和強化學(xué)習(xí)做個結(jié)合，那么效果是最好的。

而由《我的世界》這次的研究拓展開來，OpenAI的研究人員還表示：

我們的AI還可以執(zhí)行其它任務(wù)，例如鼠標(biāo)瀏覽網(wǎng)站、預(yù)訂航班或在線購物。

《我的世界》已經(jīng)成為AI技術(shù)試驗田

其實OpenAI這次研究的亮點，刨除VPT方法本身，其研究的兩大要素——《我的世界》和視頻，也成為人們熱議的焦點。

《我的世界》這款游戲的一大特點就是開放性，玩家可以在這個虛擬世界里做出許多意想不到的杰作。

不同于以往強化學(xué)習(xí)訓(xùn)練AI的游戲環(huán)境，大多都是以“輸贏”為結(jié)果而終止了，但往往AI后期訓(xùn)練出來的能力可能是超越這種“限制”的。

但《我的世界》就沒有“輸贏”之說了，AI可以在這里盡情的發(fā)揮。因此OpenAI研究人員表示：

《我的世界》是訓(xùn)練AI很好的試驗田。

而這也贏得了NeurIPS的認(rèn)可——MineDojo拿下了今年這個頂會的一個獎項。

至于這項研究第二個熱議點“視頻”，正如索尼執(zhí)行董事Peter Stone所述：

視頻是一種潛力巨大的培訓(xùn)資源。

但似乎OpenAI的研究人員還不滿足此次的成果，他們認(rèn)為，收集100萬小時《我的世界》的視頻，會讓它們的AI變得更加出色。

當(dāng)然，這項研究也引來不少網(wǎng)友們的圍觀，也有一些比較有意思的討論：

人們想讓AI有意識，但它們有意識之后才發(fā)覺，自己需要被迫看這么久的視頻，有夠累的。

論文地址： https://openai.com/blog/vpt/

審核編輯 ：李倩