AI's om mee te ding in Minecraft Masjienleer-kompetisie

Soos gerapporteer deur Aard, 'n nuwe KI-kompetisie sal binnekort plaasvind, die MineRL-kompetisie, wat KI-ingenieurs en -kodeerders sal aanmoedig om programme te skep wat in staat is om te leer deur waarneming en voorbeeld. Die toetsgeval vir hierdie KI-stelsels sal die uiters gewilde handwerk- en oorlewingsvideospeletjie Minecraft wees.

Kunsmatige intelligensie-stelsels het onlangs 'n paar indrukwekkende prestasies behaal wanneer dit by videospeletjies kom. Pas onlangs het 'n KI die beste menslike spelers ter wêreld by die strategiespeletjie StarCraft II uitgestof. StarCraft II het egter definieerbare doelwitte wat makliker is om op te breek in samehangende stappe wat 'n KI kan gebruik om op te lei. 'n Baie moeiliker taak is vir 'n KI om te leer hoe om 'n groot oopwêreld-sandbox-speletjie soos Minecraft te navigeer. Navorsers poog om KI-programme te help leer deur waarneming en voorbeeld, en as hulle suksesvol is, kan hulle die hoeveelheid verwerkingskrag wat nodig is om 'n kunsmatige intelligensie-program op te lei aansienlik verminder.

Die deelnemers aan die kompetisie sal vier dae hê om 'n KI te skep wat met Minecraft getoets sal word, wat tot agt miljoen stappe neem om hul KI op te lei. Die doel van die KI is om 'n diamant binne die spel te vind deur te grawe. Agt miljoen stappe van opleiding is 'n baie korter tydsduur as die hoeveelheid tyd wat nodig is om deesdae kragtige KI-modelle op te lei, so die deelnemers aan die kompetisie moet metodes ontwerp wat drasties verbeter bo huidige opleidingsmetodes.

Die benaderings wat deur die deelnemers gebruik word, is gebaseer op 'n tipe leer wat nabootsingsleer genoem word. Nabootsingleer staan ​​in kontras met versterkingsleer, wat 'n gewilde metode is vir die opleiding van gesofistikeerde stelsels soos robotarms in fabrieke of die KI's wat menslike spelers by StarCraft II kan klop. Die primêre nadeel van versterkende leeralgoritmes is die feit dat hulle geweldige rekenaarverwerkingskrag benodig om op te lei, wat staatmaak op honderde of selfs duisende rekenaars wat aan mekaar gekoppel is om te leer. Daarenteen is nabootsingleer 'n baie doeltreffender en minder berekeningsduur metode van opleiding. Nagemaakte leeralgoritmes poog om na te boots hoe mense leer deur waarneming.

William Guss, 'n PhD-kandidaat in diepleerteorie aan die Carnegie Mellon Universiteit het aan Nature verduidelik dat dit 'n geweldige moeilike taak is om 'n KI te kry om patrone in 'n omgewing te verken en aan te leer, maar nabootsingsleer voorsien die KI van 'n basislyn van kennis, of goeie vorige aannames oor die omgewing. Dit kan die opleiding van 'n KI baie vinniger maak in vergelyking met versterkingsleer.

Minecraft dien om verskeie redes as 'n besonder nuttige opleidingsomgewing. Een rede is dat Minecraft spelers toelaat om eenvoudige boublokke te gebruik om komplekse strukture en items te skep, en die vele stappe wat nodig is om hierdie strukture te skep, dien as tasbare merkers van vordering wat navorsers as maatstawwe kan gebruik. Minecraft is ook uiters gewild, en daarom is dit relatief maklik om opleidingsdata in te samel. Die organiseerders van die MineRL-kompetisie het baie Minecraft-spelers gewerf om 'n verskeidenheid take te demonstreer soos om gereedskap te skep en blokke uitmekaar te rem. Deur die generering van data te skare, kon navorsers 60 miljoen voorbeelde van aksies vaslê wat in die speletjie geneem kan word. Die navorsers het ongeveer 1000 uur se video aan die kompetisiespanne gegee.

Gebruik die kennis wat mense opgebou het, sê Rohin Shah, Ph.D. kandidaat in rekenaarwetenskap aan die Universiteit van Kalifornië, Berkeley, het aan Nature verduidelik dat hierdie kompetisie waarskynlik die eerste is wat fokus op die gebruik van die kennis wat mense reeds gegenereer het om die opleiding van KI te bespoedig.

Guss en die ander navorsers is hoopvol dat die kompetisie resultate kan hê met implikasies buite Minecraft, wat aanleiding kan gee tot beter nabootsings-leeralgoritmes en meer mense inspireer om nabootsingleer as 'n lewensvatbare vorm van opleiding van 'n KI te beskou. Die navorsing kan moontlik help om KI's te skep wat beter in staat is om met mense in komplekse, veranderende omgewings te kommunikeer.