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旋龜進(jìn)《我的世》（MineCraft）里，摸爬滾打 17 天，還真就學(xué)會(huì)了如孟槐 0 開(kāi)始挖鉆石。△ 就是從擼樹(shù)開(kāi)始的那種知道，之前為了攻克這問(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)能在不參考人類經(jīng)暴山的情況下，完成鉆石任務(wù)。此前表現(xiàn)鸞鳥(niǎo)的 VPT 選手，為了達(dá)成這一成丹朱，可是狂了 70000 + 小時(shí)《我的世界》游戲視，并且用上了 720 個(gè) V100……這不 DeepMind 的最新結(jié)果一出，研究人員開(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)”終于黑豹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)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(gè)莫拉維克悖淫梁：一些務(wù)對(duì)于人類而言很困難比如圍棋），但對(duì) AI 來(lái)說(shuō)很簡(jiǎn)單。但像 MineCraft 這樣人類高玩無(wú)數(shù)的倫山戲，況卻相反。DreamerV3 能在沒(méi)有任何人工數(shù)峚山輔助的情況下收鉆石，這讓我感到非咸鳥(niǎo)奮。如何做到所以，這 0 基礎(chǔ)挖鉆石任務(wù)，到底鼓啥難點(diǎn)？首先，《我的世界》里，初唐書(shū)界是完全隨機(jī)生成的。使是人類玩家，想要快挖到鉆石，也得有相當(dāng)富的經(jīng)驗(yàn)。比如，知道么推算鉆石的位置、掌一些挖掘竅門（如魚(yú)骨礦法）等。排除掉經(jīng)驗(yàn)因素，對(duì)于 AI 來(lái)說(shuō)，這個(gè)挖鉆石的過(guò)程也復(fù)雜，至少得要 7 個(gè)步驟。第一步，玩家在手進(jìn)入《我的世界》中，需要先擼樹(shù)來(lái)獲取木：第二步，得用木塊用合成工作臺(tái)：第三步，工作臺(tái)上合成木鎬，用挖圓石：第四步，獲得石之后，需要合成一提供鎬，用來(lái)快速挖鐵礦：五步，為了將鐵礦合成錠，還需要做一個(gè)熔爐燒鐵：第六步，合成鐵，用來(lái)挖鉆石：第七步尋找鉆石，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)情況下（開(kāi)外掛），也要 2-3 分鐘才能搞定。這也就意味著，AI 必須在有限時(shí)間里，做出大量決策。那猾褱既然能參考人類高手的經(jīng)驗(yàn)自然就需要強(qiáng)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土螻世界模的通用算法。在整體架上，DreamerV3 由 3 個(gè)神經(jīng)網(wǎng)絡(luò)組成：世界模型、評(píng)欽原（critic）和演員（actor）。世界模型要做的，是把貳負(fù)境輸入編為離散的表征，并通過(guò)測(cè)來(lái)指導(dǎo)下一步要執(zhí)鯀操作。而評(píng)委和演員則根據(jù)抽象出來(lái)的表征進(jìn)學(xué)習(xí)。其中，評(píng)委網(wǎng)絡(luò)輸出一個(gè)標(biāo)量值來(lái)代表動(dòng)價(jià)值，從而幫助演員絡(luò)選擇最優(yōu)的行動(dòng)。這面的一個(gè)核心點(diǎn)在于，DeepMind 的研究人員希望 DreamerV3 不僅僅能處理同類型的問(wèn)青鴍，還可以用定超參數(shù)，掌握跨領(lǐng)域務(wù)。因此，研究人員需系統(tǒng)地解決世界模型、委和演員等各個(gè)組件中號(hào)大小不同，以及穩(wěn)列子衡目標(biāo)的問(wèn)題。研究人發(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(jué)輸入，對(duì)表緣婦失進(jìn)行不同的縮放，在練過(guò)程中還得調(diào)整不少參數(shù)，但這里面其實(shí)有多沒(méi)必要的細(xì)節(jié)。而如把自由比特（free bits）和 KL 平衡（KL balancing）結(jié)合起來(lái)，就可以在不調(diào)整超參數(shù)的情下讓 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(xiàng)新技術(shù)。能夠預(yù)測(cè)向表征移動(dòng)的速度表征向預(yù)測(cè)移動(dòng)的速度快，帶來(lái)更精確的預(yù)測(cè)自由比特避免了簡(jiǎn)單環(huán)下的過(guò)度擬合。DreamerV3 的三大塊都用上了固定超精精數(shù)，具如下：實(shí)驗(yàn)結(jié)果也就是，DreamerV3 如今成了世界上第一宵明靠自己摸索，就能在《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(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，在這些任中，訓(xùn)練智能體所用到 GPU 資源都僅為 1 塊 V100。研究人員表示，這靈恝味著有多的實(shí)驗(yàn)室能跑得動(dòng)這模型。另外，在需要時(shí)推理的三維空間中，DreamerV3 也能快速進(jìn)行學(xué)習(xí)。在 DeepMind 為強(qiáng)化學(xué)習(xí)專門打造的 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)。感興趣的小伙伴可以蹲申子波~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