KIs im Wettbewerb: Minecraft-Maschinenlernwettbewerb

Wie von Nature berichtet, wird es bald einen neuen KI-Wettbewerb geben, den MineRL-Wettbewerb, der KI-Ingenieure und Programmierer ermutigt, Programme zu entwickeln, die durch Beobachtung und Beispiel lernen können. Der Testfall für diese KI-Systeme wird das sehr beliebte Crafting- und Survival-Videospiel Minecraft sein.

Künstliche Intelligenz-Systeme haben in letzter Zeit einige beeindruckende Leistungen bei Videospielen erbracht. Vor kurzem besiegte ein KI-System die besten menschlichen Spieler der Welt im Strategiespiel StarCraft II. Allerdings hat StarCraft II definierbare Ziele, die leichter in kohärente Schritte zerlegt werden können, die ein KI-System verwenden kann, um zu trainieren. Eine viel schwierigere Aufgabe ist es, ein KI-System zu entwickeln, das lernen kann, eine große, offene Welt wie Minecraft zu navigieren. Forscher zielen darauf ab, KI-Programmen beizubringen, durch Beobachtung und Beispiel zu lernen, und wenn sie erfolgreich sind, könnten sie den Bedarf an Rechenleistung, der zum Trainieren eines KI-Programms erforderlich ist, erheblich reduzieren.

Die Teilnehmer des Wettbewerbs haben vier Tage Zeit, ein KI-System zu entwickeln, das mit Minecraft getestet wird und bis zu acht Millionen Schritte zum Trainieren ihres KI-Systems benötigt. Das Ziel des KI-Systems ist es, einen Diamanten im Spiel zu finden, indem es gräbt. Acht Millionen Trainingschritte sind ein viel kürzerer Zeitraum als die Zeit, die normalerweise zum Trainieren leistungsfähiger KI-Modelle benötigt wird, sodass die Teilnehmer des Wettbewerbs Methoden entwickeln müssen, die die aktuellen Trainingsmethoden erheblich verbessern.

Die Ansätze, die von den Teilnehmern verwendet werden, basieren auf einer Art des Lernens, die als Imitationslernung bezeichnet wird. Imitationslernung steht im Gegensatz zu Verstärkungslernung, einer beliebten Methode zum Trainieren komplexer Systeme wie Roboterarmen in Fabriken oder KI-Systemen, die menschliche Spieler bei StarCraft II besiegen können. Der Hauptnachteil von Verstärkungslernungsalgorithmen ist die Tatsache, dass sie enorme Rechenleistung benötigen, um zu trainieren, und auf Hunderte oder sogar Tausende von Computern angewiesen sind, die miteinander verbunden sind, um zu lernen. Im Gegensatz dazu ist Imitationslernung eine viel effizientere und weniger rechenintensive Methode zum Trainieren. Imitationslernungsalgorithmen versuchen, die Art und Weise nachzuahmen, wie Menschen durch Beobachtung lernen.

William Guss, ein Doktorand in der Theorie des Deep-Learnings an der Carnegie Mellon University, erklärte gegenüber Nature, dass es eine enorm schwierige Aufgabe sei, ein KI-System dazu zu bringen, Muster in einer Umgebung zu erkunden und zu lernen, aber Imitationslernung bietet dem KI-System eine Grundlage an Wissen oder gute Annahmen über die Umgebung, was das Trainieren eines KI-Systems viel schneller machen kann im Vergleich zu Verstärkungslernung.

Minecraft dient als besonders nützliche Trainingsumgebung aus mehreren Gründen. Ein Grund ist, dass Minecraft es Spielern ermöglicht, einfache Bausteine zu verwenden, um komplexe Strukturen und Gegenstände zu erstellen, und die vielen Schritte, die erforderlich sind, um diese Strukturen zu erstellen, dienen als greifbare Fortschrittsmarker, die Forscher als Metriken verwenden können. Minecraft ist auch extrem beliebt, und wegen dessen ist es im Vergleich leicht, Trainingsdaten zu sammeln. Die Organisatoren des MineRL-Wettbewerbs rekrutierten viele Minecraft-Spieler, um eine Vielzahl von Aufgaben wie das Erstellen von Werkzeugen und das Zerbrechen von Blöcken zu demonstrieren. Durch Crowdsourcing der Datengenerierung konnten Forscher 60 Millionen Beispiele von Aktionen erfassen, die im Spiel durchgeführt werden könnten. Die Forscher gaben den Wettbewerbsmannschaften etwa 1000 Stunden Video.

Verwenden Sie das Wissen, das Menschen aufgebaut haben, sagt Rohin Shah, Doktorand in Informatik an der University of California, Berkeley, gegenüber Nature, dass dieser Wettbewerb wahrscheinlich der erste ist, der sich auf die Verwendung des Wissens konzentriert, das Menschen bereits generiert haben, um das Training von KI zu beschleunigen.

Guss und die anderen Forscher hoffen, dass der Wettbewerb Ergebnisse mit Auswirkungen jenseits von Minecraft haben könnte, die zu besseren Imitationslernungsalgorithmen führen und mehr Menschen dazu anregen, Imitationslernung als eine gangbare Form des Trainings von KI in Betracht zu ziehen. Die Forschung könnte möglicherweise dazu beitragen, KI-Systeme zu entwickeln, die besser in der Lage sind, mit Menschen in komplexen, sich ändernden Umgebungen zu interagieren.