又一個(gè) AI 老大難問(wèn)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)《的世界》（MineCraft）里，摸爬滾打 17 天，還真就學(xué)會(huì)了如何 0 開(kāi)始挖鉆石?！?就是從擼樹(shù)開(kāi)始的那種要知道，之為了攻克這個(gè)問(wèn)題CMU、微軟、DeepMind 和 OpenAI 還聯(lián)手在 NeurIPS 上拉了個(gè)比賽，叫 MineRL。結(jié)果搞了三四年，AI 們也沒(méi)能在不參考人類(lèi)經(jīng)驗(yàn)的情況，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，可是看了 70000 + 小時(shí)《我的世界》游戲視頻，并且上了 720 個(gè) V100……這不 DeepMind 的最新結(jié)果一出，究人員都開(kāi)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(shí)間跑來(lái)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(jiǎng) 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(gè)莫拉維克悖論：一些任務(wù)于人類(lèi)而言很困難比如圍棋），但對(duì) AI 來(lái)說(shuō)很簡(jiǎn)單。但像 MineCraft 這樣人類(lèi)高玩無(wú)數(shù)的游戲，情卻相反。DreamerV3 能在沒(méi)有任何人工數(shù)據(jù)輔助情況下收集鉆石，讓我感到非常興奮如何做到所以，這 0 基礎(chǔ)挖鉆石任務(wù)，到底有啥難點(diǎn)首先，在《我的世》里，初始世界是全隨機(jī)生成的。即是人類(lèi)玩家，想要速挖到鉆石，也得相當(dāng)豐富的經(jīng)驗(yàn)。如，知道怎么推算石的位置、掌握一挖掘竅門(mén)（如魚(yú)骨礦法）等。排除掉驗(yàn)的因素，對(duì)于 AI 來(lái)說(shuō)，這個(gè)挖鉆石的過(guò)程也挺復(fù)雜至少得要 7 個(gè)步驟。第一步，玩家空手進(jìn)入《我的世》中時(shí)，需要先擼來(lái)獲取木塊：第二，得用木塊用來(lái)合工作臺(tái)：第三步，工作臺(tái)上合成木鎬用來(lái)挖圓石：第四，獲得圓石之后，要合成一個(gè)石鎬，來(lái)快速挖鐵礦：第步，為了將鐵礦合鐵錠，還需要做一熔爐來(lái)燒鐵：第六，合成鐵鎬，用來(lái)鉆石：第七步，尋鉆石，然后用鐵鎬出鉆石：p.s. 有玩家測(cè)試過(guò)，在 AI 知道鉆石等各種資源坐標(biāo)的情況（開(kāi)外掛），也需 2-3 分鐘才能搞定。這也就意味，AI 必須在有限時(shí)間里，做出大量策。那么既然不能考人類(lèi)高手的經(jīng)驗(yàn)自然就需要強(qiáng)化學(xué)（Reinforcement Learning）出馬。具體而言，DeepMind 的研究人員提出了一種基于界模型的通用算法在整體架構(gòu)上，DreamerV3 由 3 個(gè)神經(jīng)網(wǎng)絡(luò)組成：世界模型、評(píng)（critic）和演員（actor）。世界模型要做的是把環(huán)境輸入編碼離散的表征，并通預(yù)測(cè)來(lái)指導(dǎo)下一步執(zhí)行的操作。而評(píng)和演員則會(huì)根據(jù)抽出來(lái)的表征進(jìn)行學(xué)。其中，評(píng)委網(wǎng)絡(luò)輸出一個(gè)標(biāo)量值來(lái)表行動(dòng)價(jià)值，從而助演員網(wǎng)絡(luò)選擇最的行動(dòng)。這里面的個(gè)核心點(diǎn)在于，DeepMind 的研究人員希望 DreamerV3 不僅僅能處理同類(lèi)型的題，還可以用固定參數(shù)，掌握跨領(lǐng)域務(wù)。因此，研究人需要系統(tǒng)地解決世模型、評(píng)委和演員各個(gè)組件中信號(hào)大不同，以及穩(wěn)定平目標(biāo)的問(wèn)題。研究員發(fā)現(xiàn)：以前的世模型，需要根據(jù)復(fù) 3D 環(huán)境的視覺(jué)輸入，對(duì)表征損失行不同的縮放，在練過(guò)程中還得調(diào)整少超參數(shù)，但這里其實(shí)有許多沒(méi)必要細(xì)節(jié)。而如果把自比特（free bits）和 KL 平衡（KL balancing）結(jié)合起來(lái)，就可以在不整超參數(shù)的情況下 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(xiàng)新技術(shù)。能夠使測(cè)向表征移動(dòng)的速比表征向預(yù)測(cè)移動(dòng)速度更快，帶來(lái)更確的預(yù)測(cè)。自由比避免了簡(jiǎn)單環(huán)境下過(guò)度擬合。DreamerV3 的三大塊都用上了固定超數(shù)，具體如下：實(shí)結(jié)果也就是說(shuō)，DreamerV3 如今成了世界上第一純靠自己摸索，就在《我的世界》里挖鉆石的 AI。并且 DreamerV3 的本事可不只是玩 MC。在另外 7 項(xiàng)基準(zhǔn)測(cè)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)智能體所用到的 GPU 資源都僅為 1 塊 V100。研究人員表示，這味著有更多的實(shí)驗(yàn)能跑得動(dòng)這一模型另外，在需要時(shí)空理的三維空間中，DreamerV3 也能快速進(jìn)行學(xué)習(xí)在 DeepMind 為強(qiáng)化學(xué)習(xí)專(zhuān)門(mén)打造的 3D 平臺(tái) 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)。感興趣的小伙伴以蹲一波~參考鏈接：[1]https://danijar.com/project/dreamerv3/[2]https://twitter.com/DeepMind/status/1613159943040811010本文來(lái)自微信公眾號(hào)：量子位 （ID：QbitAI），作者：魚(yú)羊 Alex