AI systémy budou soutěžit v soutěži Minecraft Machine Learning

Podle zprávy v Nature se brzy uskuteční nová soutěž AI, soutěž MineRL, která bude podporovat inženýry a programátory AI při vytváření programů schopných učit se pozorováním a příkladem. Testovacím případem pro tyto systémy AI bude velmi populární hra na přežití a crafting Minecraft.

Systémy umělé inteligence dosáhly nedávno beberapa působivých úspěchů, pokud jde o videohry. Nedávno AI porazila nejlepší hráče na světě ve strategické hře StarCraft II. Nicméně, StarCraft II má definovatelné cíle, které jsou snazší rozložit na koherentní kroky, které může AI použít k tréninku. Mnohem obtížnější úkol je pro AI naučit se navigovat v velké, otevřené sandboxové hře, jako je Minecraft. Výzkumníci se snaží pomoci programům AI učit se pozorováním a příkladem a pokud budou úspěšní, mohli by podstatně snížit množství zpracování potřebného k tréninku programu umělé inteligence.

Účastníci soutěže budou mít čtyři dny na vytvoření AI, která bude testována s Minecraftem, a to až osm milionů kroků k tréninku jejich AI. Cílem AI je najít diamant ve hře kopáním. Osm milionů kroků tréninku je mnohem kratší doba než doba potřebná k tréninku silných modelů AI, takže účastníci soutěže potřebují navrhnout metody, které výrazně vylepší současné metody tréninku.

Přístupy používané účastníky jsou založeny na typu učení nazývaném imitační učení. Imitační učení stojí v kontrastu s učení posílením, které je populární metodou pro trénink sofistikovaných systémů, jako jsou robotické ramena ve fabrikách nebo AI schopné porazit lidské hráče ve StarCraft II. Hlavní nevýhodou algoritmů učení posílením je fakt, že vyžadují obrovskou počítačovou výpočetní sílu k tréninku, spoléhající se na stovky nebo dokonce tisíce počítačů propojených вместе k učení. Naopak, imitační učení je mnohem efektivnější a méně výpočetně náročnou metodou tréninku. Algoritmy imitačního učení se snaží napodobit, jak lidé učí pozorováním.

William Guss, doktorand v teorii hlubokého učení na Carnegie Mellon University, vysvětluje Nature, že dostat AI k prozkoumání a učení vzorců v prostředí je nesmírně obtížný úkol, ale imitační učení poskytuje AI základnu znalostí nebo dobré předpoklady o prostředí. To může učinit trénink AI mnohem rychlejším ve srovnání s učení posílením.

Minecraft slouží jako zvláště užitečné tréninkové prostředí z několika důvodů. Jedním z důvodů je, že Minecraft umožňuje hráčům používat jednoduché stavební bloky k vytváření složitých struktur a předmětů, a mnoho kroků potřebných k vytvoření těchto struktur slouží jako hmatatelné znaky pokroku, které výzkumníci mohou použít jako metriky. Minecraft je také extrémně populární, a kvůli tomu je relativně snadné shromáždit tréninková data. Organizátoři soutěže MineRL rekrutovali mnoho hráčů Minecraft, aby demonstrovali různé úkoly, jako je vytváření nástrojů a rozbití bloků. Crowdsourcingem generování dat byli výzkumníci schopni zachytit 60 milionů příkladů akcí, které lze ve hře provést. Výzkumníci poskytli soutěžním týmům přibližně 1000 hodin videa.

Použijte znalosti, které lidé vyvinuli, říká Rohin Shah, doktorand v počítačových vědách na University of California, Berkeley, vysvětluje Nature, že tato soutěž je pravděpodobně první, která se zaměřuje na využití znalostí, které lidé již vyvinuli, k urychlení tréninku AI.

Guss a další výzkumníci doufají, že soutěž může mít výsledky s implikacemi beyond Minecraft, vedoucí k lepšímu imitačnímu učení algoritmů a inspirující více lidí, aby zvážili imitační učení jako životaschopnou formu tréninku AI. Výzkum by mohl potenciálně pomoci vytvořit AI, které jsou lépe schopné interagovat s lidmi v komplexních, měnících se prostředích.