又一個 AI 老大難問題，被 DeepMind 攻克了：
一只名叫 DreamerV3 的 AI，在啥也不知道的情況下被丟進(jìn)《我的世界》（MineCraft）里，摸爬滾打 17 天，還真就學(xué)會了如何從 0 開始挖鉆石。
要知道，之前為了攻克這個問題，CMU、微軟、DeepMind 和 OpenAI 還聯(lián)手在 NeurIPS 上拉了個比賽，叫 MineRL。
結(jié)果搞了三四年，AI 們也沒能在不參考人類經(jīng)驗的情況下，完成挖鉆石任務(wù)。
此前表現(xiàn)最好的 VPT 選手，為了達(dá)成這一成就，可是狂看了 70000 + 小時《我的世界》游戲視頻，并且用上了 720 個 V100……
這不 DeepMind 的最新結(jié)果一出，研究人員都開心壞了。
MineRL 的發(fā)起人之一、前 OpenAI 研究科學(xué)家 William Guss 就第一時間跑來發(fā)表賀電：
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，有個莫拉維克悖論：一些任務(wù)對于人類而言很困難（比如圍棋），但對 AI 來說很簡單。但像 MineCraft 這樣人類高玩無數(shù)的游戲，情況卻相反。
DreamerV3 能在沒有任何人工數(shù)據(jù)輔助的情況下收集鉆石，這讓我感到非常興奮。
如何做到
所以，這個 0 基礎(chǔ)挖鉆石任務(wù)，到底有啥難點？
首先，在《我的世界》里，初始世界是完全隨機生成的。
即使是人類玩家，想要快速挖到鉆石，也得有相當(dāng)豐富的經(jīng)驗。比如，知道怎么推算鉆石的位置、掌握一些挖掘竅門（如魚骨挖礦法）等。
排除掉經(jīng)驗的因素，對于 AI 來說，這個挖鉆石的過程也挺復(fù)雜，至少得要 7 個步驟。
第一步，玩家在空手進(jìn)入《我的世界》中時，需要先擼樹來獲取木塊：
第二步，得用木塊用來合成工作臺：
第三步，在工作臺上合成木鎬，用來挖圓石：
第四步，獲得圓石之后，需要合成一個石鎬，用來快速挖鐵礦：
第五步，為了將鐵礦合成鐵錠，還需要做一個熔爐來燒鐵：
第六步，合成鐵鎬，用來挖鉆石：
第七步，尋找鉆石，然后用鐵鎬挖出鉆石：
p.s. 有玩家測試過，在 AI 知道鉆石等各種資源坐標(biāo)的情況下（開外掛），也需要 2-3 分鐘才能搞定。
這也就意味著，AI 必須在有限時間里，做出大量決策。
那么既然不能參考人類高手的經(jīng)驗，自然就需要強化學(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型的通用算法。
在整體架構(gòu)上，DreamerV3 由 3 個神經(jīng)網(wǎng)絡(luò)組成：世界模型、評委（critic）和演員（actor）。
世界模型要做的，是把環(huán)境輸入編碼為離散的表征，并通過預(yù)測來指導(dǎo)下一步要執(zhí)行的操作。
而評委和演員則會根據(jù)抽象出來的表征進(jìn)行學(xué)習(xí)。其中，評委網(wǎng)絡(luò)會輸出一個標(biāo)量值來代表行動價值，從而幫助演員網(wǎng)絡(luò)選擇最優(yōu)的行動。
這里面的一個核心點在于，DeepMind 的研究人員希望 DreamerV3 不僅僅能處理同類型的問題，還可以用固定超參數(shù)，掌握跨領(lǐng)域任務(wù)。
因此，研究人員需要系統(tǒng)地解決世界模型、評委和演員等各個組件中信號大小不同，以及穩(wěn)定平衡目標(biāo)的問題。
研究人員發(fā)現(xiàn)：
以前的世界模型，需要根據(jù)復(fù)雜 3D 環(huán)境的視覺輸入，對表征損失進(jìn)行不同的縮放，在訓(xùn)練過程中還得調(diào)整不少超參數(shù)，但這里面其實有許多沒必要的細(xì)節(jié)。
而如果把自由比特（free bits）和 KL 平衡（KL balancing）結(jié)合起來，就可以在不調(diào)整超參數(shù)的情況下讓 DreamerV3 在不同領(lǐng)域中學(xué)習(xí)。
KL 平衡是上一代 DreamerV2 中提出的一項新技術(shù)。能夠使預(yù)測向表征移動的速度比表征向預(yù)測移動的速度更快，帶來更精確的預(yù)測。
自由比特避免了簡單環(huán)境下的過度擬合。
DreamerV3 的三大塊都用上了固定超參數(shù)，具體如下：
實驗結(jié)果
也就是說，DreamerV3 如今成了世界上第一個純靠自己摸索，就能在《我的世界》里速挖鉆石的 AI。
并且 DreamerV3 的本事可不只是玩 MC。
在另外 7 項基準(zhǔn)測試中，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)練智能體所用到的 GPU 資源都僅為 1 塊 V100。研究人員表示，這意味著有更多的實驗室能跑得動這一模型。
另外，在需要時空推理的三維空間中，DreamerV3 也能快速進(jìn)行學(xué)習(xí)。
在 DeepMind 為強化學(xué)習(xí)專門打造的 3D 平臺 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蹲一波~
參考鏈接：
[1]https://danijar.com/project/dreamerv3/
[2]https://twitter.com/DeepMind/status/1613159943040811010
本文來自微信公眾號：量子位 （ID：QbitAI），作者：魚羊 Alex
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。