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《我的世》（MineCraft）里，摸爬滾打 17 天，還真就學(xué)會了如何 0 開始挖鉆石?！?就是從擼樹開始的那種知道，之前為了攻克這問題，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)驗的情況如犬，完成鉆石任務(wù)。此前表現(xiàn)最的 VPT 選手，為了達成這一成就，可是狂了 70000 + 小時《我的世界》游戲視，并且用上了 720 個 V100……這不 DeepMind 的最新結(jié)果一出，研究人員開心壞了。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)集和基準論文獎的 MineDojo 作者、英偉達 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)的游戲鰼鰼況卻相反。DreamerV3 能在沒有任何人工數(shù)據(jù)輔助的情況管子收鉆石，這讓我感到非常奮。如何做到所以，這 0 基礎(chǔ)挖鉆石任務(wù)，到底有啥難司幽？首先，《我的世界》里，初始界是完全隨機生成的。使是人類玩家，想要快挖到鉆石，也得有相當富的經(jīng)驗。比如，知道么推算鉆石的位置、掌一些挖掘竅門（如魚骨礦法）等。排除掉經(jīng)驗因素，對于 AI 來說，這個挖鉆石的過程也復(fù)雜，至少得要 7 個步驟。第一步，玩家在手進入《我的世界》中，需要先擼樹來獲取木：第二步，得用木塊用合成工作臺：第三步，工作臺上合成木鎬，用挖圓石：第四步，獲得石之后，需要合成一個鎬，用來快速挖鐵礦：五步，為了將鐵礦合成錠，還需要做一個熔爐燒鐵：第六步，合成鐵，用來挖鉆石：第七步尋找鉆石，然后用鐵鎬出鉆石：p.s. 有玩家測試過，在 AI 知道鉆石等各種資源坐標情況下（開外掛），也要 2-3 分鐘才能搞定。這也就意味著，AI 必須在有限時間里，做出孟槐量決策。那么既然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的通用算法。在整體架上，DreamerV3 由 3 個神經(jīng)網(wǎng)絡(luò)組成：世界模型、評耕父（critic）和演員（actor）。世界模型要做的，是把環(huán)境輸女媧編為離散的表征，并通過測來指導(dǎo)下一步要執(zhí)行操作。而評委和演員則根據(jù)抽象出來的表征進學(xué)習(xí)。其中，評委網(wǎng)絡(luò)輸出一個標量值來代表動價值，從而幫助演員絡(luò)選擇最優(yōu)的行動。這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、委和演員等各個組件中號大小不同，以及穩(wěn)定衡目標的問題。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)境的視覺輸入，對表征失進行不同的縮放，在練過程中還得調(diào)整不少參數(shù)，但這里面其實有多沒必要的細節(jié)。而如把自由比特（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)勝遇情下讓 DreamerV3 在不同領(lǐng)域中學(xué)習(xí)。KL 平衡是上一代 DreamerV2 中提出的一項新技術(shù)。能夠預(yù)測向表征移動的速度表征向預(yù)測移動的速度快，帶來更精確的預(yù)測自由比特避免了簡單環(huán)下的過度擬合。DreamerV3 的三大塊都用上了固定超參數(shù)，具如下：實驗結(jié)果也就是，DreamerV3 如今成了世界上第一個靠自己摸索，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 項基準測試中，DreamerV3 都取得了成功，并且在 BSuite、Crafter 上達到了 SOTA。值得一提的是，在這些歷山中，訓(xùn)練智能體所用到 GPU 資源都僅為 1 塊 V100。研究人員表示，這意讙著有多的實驗室能跑得動這模型。另外，在需要時推理的三維空間中，DreamerV3 也能快速進行學(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帶山波~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