ゲーム Minecraftの （彼女 歴史 詳細に説明 Denis Koshelev) は、AI 分野の高度な研究をサポートするための非常に重要なツールではないようです。 結局のところ、10 年以上前にリリースされたサンドボックス ゲームをプレイするようにマシンに教えることが重要なのでしょうか? 驚かれることでしょうが、そうです。これは、人工知能の開発を研究している OpenAI 研究所の最新の研究によって証明されています。
OpenAI 常に成果を重視する AI 人類に利益をもたらす機械学習。 同社は最近、70 時間以上のゲームプレイ映像 (2,9 日以上、またはどちらかといえば 8 年近く) を使用して、ボットを Minecraft でプレイするように訓練することに成功しました。 この成果は、観測とシミュレーションを使用した高度な機械学習における大きな前進を示しています。
OpenAI ボットは、シミュレーション学習 (「教師あり学習」とも呼ばれます) がどのように機能するかを示す好例です。 試行錯誤によって目標を達成した後に学習エージェントが報われる強化学習とは異なり、シミュレーションは、人がどのようにタスクを実行するかを観察することによって、特定のタスクを実行するようにニューラル ネットワークをトレーニングします。 この場合、OpenAI は既存のゲームプレイ ビデオとチュートリアルを使用して、ボットが複雑なゲーム シナリオを実行できるようにしました。このシナリオでは、通常のプレーヤーでは約 24 の個別のアクションが必要でした。
また興味深い：
模倣学習では、アクションと結果のコンテキストを提供するためにビデオ データに特別なラベルを付ける必要があります。 AI どのボタンが押され、どのような動きが行われたかを理解できました。 しかし、このようなアプローチは時間がかかり、利用できるデータセットが制限される可能性があります。
OpenAI 研究チームは、大規模な手作業によるデータ ラベル付け作業を実行して筋肉を鍛える代わりに、Video Pre-Training (VPT) と呼ばれる特別なアプローチを使用して、利用可能なビデオの数を増やしました。 最初に、研究者は 2 時間の注釈付きゲームプレイを記録しました Minecraftの そしてそれを使用して、特定のアクションを画面上の特定の結果に関連付けるようにエージェントをトレーニングしました。 結果として得られたモデルを使用して、オンラインで入手可能な以前はラベル付けされていなかった 70 時間の Minecraft コンテンツのラベルを自動的に生成しました。 これにより、ボットはより大きなデータセットを見てシミュレートできるようになりました。
また興味深い：
この調査は、次のようなアクセス可能なビデオ レポジトリの潜在的な価値を示しています。 YouTube、AI の教育リソースとして。 機械学習の科学者は、アクセス可能で適切にラベル付けされたビデオを使用して、単純な Web ナビゲーションから実際の身体的ニーズを持つユーザーの支援まで、特定のタスクについて AI をトレーニングできます。
ウクライナがロシアの侵略者と戦うのを助けることができます。 これを行う最善の方法は、ウクライナ軍に資金を寄付することです。 セーブライフ または公式ページから NBU.
また興味深い：