通過70,000小時的YouTube視頻，人工智能如何學會玩Minecraft

有一天，人工智能會像人類一樣好轉Minecraft？最重要的是，由於在網絡上發布的簡單視頻，她能很快能夠更快地學習嗎？無論如何，這都是OpenAI的目標，OpenAI的目標剛剛提出了有希望的首次研究的結果。

掌握Minecraft對於人工智能來說是一個巨大的挑戰。因為Mojang的標題比計算機比故障或進行（AI現在都在吸引我們的遊戲）更複雜。這是一個非常開放的遊戲，具有靈活的規則，這就是使其魅力的原因！它為可以探索的玩家提供了幾乎完全的自由手工藝者，簡而言之，嫉妒……鎖定非常多樣化和復雜的動作，這很難教授不愉快的計算機程序。

但是，這就是Openai的一組研究人員所取得的成就。他們導致了零的模型...該模型設法“正確”到Minecraft。更好的是，他們的模型是嚴格扮演人類的，也就是說，使用接口和傳統遊戲命令：鍵盤罷工和鼠標運動。

讓我們聽到：放入Minecraft，Openai的人工智能無法從頭開始做一個夢想中的房子，甚至更少複製國王的著陸。她滿足於更為適中的任務，但她的表演遠非荒謬。因此，她設法建立了一個摘要庇護所，製造工具，並探索一個村莊以打開胸部……甚至幾次設法製作了繪製的鑽石，根據Openai的說法，這是世界上的首先。它確實是一種遠非易於獲得的工具，它需要對物體的探索，製造和組合的許多複雜階段。

扮演我的Minecraft的AI，它給出了

YouTube瓶裝的AI

Openai研究人員是如何取得這樣的結果的？答案幾乎是一個單詞：YouTube。他們利用了令人難以置信的財富和視頻的多樣性Minecraft在互聯網上“壓倒”他們的模型，然後受到他所看到的遊戲的啟發。

好吧，當然，這並不那麼簡單。遠離它。他們為VPT施洗的技術（對於視頻預處理）首先包括收集70,000小時的遊戲視頻，更專門用於初學者：教程，指南，等。這並不容易：研究人員必須使用亞馬遜機械土耳其人招募的“小手”。由於每個視頻的屏幕截圖，如果所選內容確實可用於該項目，則檢查了他們從270,000小時的起始語料庫中檢查了！
例如，他不得不將錄製的視頻放在創意模式下，或者包含可能會損害機器理解的徽標或人工製品的視頻。
最後，小小的微妙之處：為了促進嬰兒的開始，研究人員還從這些視頻中提取了一個僅包括遊戲開始的子集。

最重要的是，研究人員並沒有止步於此：他們還創建了一個模型（逆動力學模型，IDM）第二系列視頻Minecraft。這是一個小得多的語料庫（只有2,000小時），但具有非常精確的優勢。因為所有這些遊戲都是專門為經驗而進行的Minecraft經驗豐富。研究人員能夠記錄其所有鼠標運動以及在鍵盤上進行的所有操作。

然後，從本質上講，他們將此模型應用於以前收集在網絡上的70,000小時視頻中。這樣，他們的人工智能就可以“猜測”這些視頻中進行的鼠標和鍵盤動作，並從中汲取靈感。聰明的。

經過這種方式培訓後，AI已經設法在遊戲中執行一些基本任務，例如切木來製作日誌，然後是木板，然後是一張桌子工藝有四個板。當然，對於人類玩家來說，這是微不足道的一步強化學習。

很好，但還不夠

這已經是正確的，但對於我們的研究人員來說還不夠。因此，他們完善了AI，以嘗試給它更多技能，成功使用兩種不同的技術。首先，他們要求他們的人類專家Minecraft進行10分鐘的會議，在此期間，他們的目標是用基本材料製作一個小房子。
通過將這些部分集成到模型中，他們意識到，AI不僅可以製造一個適度的庇護所，而且還要進一步創建複雜物體（例如，像一塊石頭一樣）。

最後，他們還使用了增強的學習，要求其AI在空白卡中獲得十分鐘的鑽石，並通過獎勵它的努力來獲得鑽石。鑑於有必要收集，結合和手工藝者一系列連續的對象，不容易找到。但是她仍然達到了幾次，或者佔十分鐘比賽的2.5％。