KIs konkurrieren im Minecraft-Machine-Learning-Wettbewerb

Wie von Nature berichtet, wird bald ein neuer KI-Wettbewerb stattfinden, der MineRL-Wettbewerb, der KI-Ingenieure und Coder dazu anregen wird, Programme zu erstellen, 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 kürzlich einige beeindruckende Leistungen im Bereich von Videospielen erzielt. Vor kurzem besiegte ein KI die besten menschlichen Spieler der Welt im Strategie-Spiel StarCraft II. Allerdings hat StarCraft II definierbare Ziele, die leichter in kohärente Schritte zerlegt werden können, die ein KI verwenden kann, um zu trainieren. Eine viel schwierigere Aufgabe ist es für einen KI, zu lernen, wie man eine große, offene Welt wie Minecraft navigiert. Forscher zielen darauf ab, KI-Programmen beizubringen, durch Beobachtung und Beispiel zu lernen, und wenn sie erfolgreich sind, könnten sie den benötigten Rechenpower zum Trainieren eines künstlichen Intelligenz-Programms erheblich reduzieren.

Die Teilnehmer des Wettbewerbs haben vier Tage Zeit, um einen KI zu erstellen, der mit Minecraft getestet wird, und bis zu acht Millionen Schritte unternehmen, um ihren KI zu trainieren. Das Ziel des KI ist es, einen Diamanten im Spiel zu finden, indem man gräbt. Acht Millionen Schritte zum Trainieren sind ein viel kürzerer Zeitraum als die Zeit, die benötigt wird, um leistungsstarke KI-Modelle heutzutage zu trainieren, 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 Imitationslernen bezeichnet wird. Imitationslernen steht im Gegensatz zu Verstärkungslernen, einer beliebten Methode zum Trainieren komplexer Systeme wie Roboterarmen in Fabriken oder KIs, die menschliche Spieler bei StarCraft II besiegen können. Der Hauptnachteil von Verstärkungslernalgorithmen 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 Imitationslernen eine viel effizientere und weniger rechenintensive Methode zum Trainieren. Imitationslernalgorithmen versuchen, zu imitieren, wie Menschen durch Beobachtung lernen.

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

Minecraft dient als besonders nützliche Trainingsumgebung aus mehreren Gründen. Ein Grund ist, dass Minecraft es Spielern ermöglicht, mit einfachen Bausteinen komplexe Strukturen und Gegenstände zu erstellen, und die vielen Schritte, die benötigt werden, um diese Strukturen zu erstellen, dienen als greifbare Marker des Fortschritts, die Forscher als Metriken verwenden können. Minecraft ist auch extrem beliebt, und weil es so beliebt ist, ist es im Vergleich leicht, Trainingsdaten zu sammeln. Die Organisatoren des MineRL-Wettbewerbs haben viele Minecraft-Spieler rekrutiert, um eine Vielzahl von Aufgaben wie das Erstellen von Werkzeugen und das Zerbrechen von Blöcken zu demonstrieren. Durch Crowdsourcing der Datengenerierung konnten die Forscher 60 Millionen Beispiele von Aktionen aufzeichnen, die im Spiel durchgeführt werden könnten. Die Forscher gaben den Wettbewerbs-Teams etwa 1000 Stunden Video.

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

Guss und die anderen Forscher sind zuversichtlich, dass der Wettbewerb Ergebnisse mit Auswirkungen jenseits von Minecraft hervorbringen könnte, was zu besseren Imitationslernalgorithmen führen und mehr Menschen dazu anregen könnte, Imitationslernen als eine gangbare Form des Trainings von KI in Betracht zu ziehen. Die Forschung könnte möglicherweise dazu beitragen, KIs zu erstellen, die besser in der Lage sind, mit Menschen in komplexen, sich ändernden Umgebungen zu interagieren.