[ad_1]
为什么重要： Minecraft 听起来可能不像是支持高级 AI 研究的重要工具。 毕竟，教机器玩一款十多年前发布的沙盒游戏有什么重要的呢？ 根据 OpenAI 最近的努力，训练有素的 Minecraft 机器人与 AI 进步的相关性比大多数人可能意识到的要大。
OpenAI 一直专注于造福人类的人工智能 (AI) 和机器学习进步。 最近，该公司使用超过 70,000 小时的游戏视频成功训练了一个机器人来玩 Minecraft。 成就远不止是一个玩游戏的机器人。 它标志着使用观察和模仿的高级机器学习向前迈进了一大步。
OpenAI 的机器人是模仿学习（也称为“监督学习”）的一个很好的例子。 与强化学习不同，学习代理在通过反复试验达到目标后获得奖励，模仿学习通过观察人类完成特定任务来训练神经网络执行特定任务。 在这种情况下，OpenAI 利用可用的游戏视频和教程来教他们的机器人执行复杂的游戏序列，一般玩家需要大约 24,000 个单独的动作才能完成。
模仿学习需要标记视频输入以提供动作的背景和观察到的结果。 不幸的是，这种方法可能是高度劳动密集型的，导致可用数据集有限。 可用数据集的短缺最终限制了智能体通过观察进行学习的能力。
OpenAI 的研究团队没有通过大量的手动数据标记练习，而是使用一种称为视频预训练 (VPT) 的特定方法来显着增加可用标记视频的数量。 研究人员最初捕获了 2,000 小时带注释的 Minecraft 游戏，并用它来训练代理将特定动作与特定屏幕结果相关联。 然后使用生成的模型自动为 70,000 小时以前未标记的 Minecraft 内容自动生成标签，这些内容很容易在线获取，从而为 Minecraft 机器人提供更大的数据集来审查和模仿。
整个练习证明了可用视频存储库（例如 YouTube）作为 AI 培训资源的潜在价值。 机器学习科学家可以使用可用且正确标记的视频来训练人工智能执行特定任务，从简单的网络导航到帮助用户满足现实生活中的身体需求。
[ad_2]
Source link
