마인크래프트 기계 학습 대회에서 경쟁하는 AI

네이처에 따르면, 새로운 AI 경쟁 대회인 MineRL 대회가 곧 열릴 예정입니다. 이 대회는 AI 엔지니어와 코더들이 관찰과 예를 통해 학습할 수 있는 프로그램을 개발하도록 장려합니다. 이 AI 시스템의 테스트 케이스는 매우 인기 있는 크래프팅과 서바이벌 비디오 게임인 마인크래프트입니다.

인공 지능 시스템은 최근 비디오 게임에서 몇 가지 인상적인 성과를 보였습니다. 최근에 AI는 세계 최고의 플레이어를 제치고 전략 게임 스타크래프트 II에서 승리했습니다. 그러나 스타크래프트 II는 더 쉽게 분해될 수 있는 명확한 목표를 가지고 있습니다. 마인크래프트와 같은 대형 오픈월드 샌드박스 게임을 탐색하는 것은 훨씬 더 어려운 작업입니다. 연구자들은 관찰과 예를 통해 AI 프로그램이 학습할 수 있도록 도와주고자 합니다. 만약他们가 성공한다면, 인공 지능 프로그램을 훈련하는 데 필요한 처리 능력을 크게 줄일 수 있을 것입니다.

대회 참가자들은 마인크래프트를 사용하여 AI를 테스트하는 4일의 시간을 갖게 됩니다. AI의 목표는 게임에서 다이아몬드를 찾는 것입니다. 8백만 단계의 훈련은 현재 강력한 AI 모델을 훈련하는 데 필요한 시간보다 훨씬 짧은 시간입니다. 따라서 대회 참가자들은 현재의 훈련 방법을 크게 개선하는 방법을 개발해야 합니다.

참가자들이 사용하는 접근 방식은 모방 학습이라고 하는 유형의 학습에 기반합니다. 모방 학습은 강화 학습과 대조됩니다. 강화 학습은 공장의 로봇 팔이나 스타크래프트 II에서 인간 플레이어를 제치는 AI와 같은 복잡한 시스템을 훈련하는 데 인기 있는 방법입니다. 강화 학습 알고리즘의 주요 단점은 훈련에 엄청난 컴퓨터 처리 능력이 필요하다는 것입니다. 이는 수백 또는 수천 대의 컴퓨터가 연결되어 학습하기 위해 필요합니다. 반면에 모방 학습은 훨씬 더 효율적이고 계산적으로 비용이 적은 훈련 방법입니다. 모방 학습 알고리즘은 인간이 관찰을 통해 학습하는 방식을 모방하려고 합니다.

카네기 멜런 대학교의 딥 러닝 이론 박사 과정 학생인 윌리엄 구스(Wiliam Guss)는 네이처에 대해, 환경에서 패턴을 탐색하고 학습하는 AI를 개발하는 것은 매우 어려운 작업이지만, 모방 학습은 AI에게 환경에 대한 지식의 기준이나 좋은 가정 제공할 수 있다고 말했습니다. 이는 강화 학습에 비해 AI를 훈련하는 속도를 크게 높일 수 있습니다.

마인크래프트는 여러 가지 이유로 매우 유용한 훈련 환경입니다. 하나의 이유는 마인크래프트가 플레이어가 단순한 블록을 사용하여 복잡한 구조와 아이템을 만들 수 있기 때문입니다. 이러한 구조를 만들기 위해 필요한 많은 단계는 연구자들이 사용할 수 있는 진행의 구체적인 지표입니다. 마인크래프트는 또한 매우 인기 있기 때문에, 훈련 데이터를 수집하는 것이 상대적으로 쉽습니다. MineRL 대회 주최자들은 다양한 작업을示す 많은 마인크래프트 플레이어들을 모집했습니다. 이러한 작업에는 도구를 만들거나 블록을 부수는 것이 포함됩니다. 데이터 생성을 크라우드소싱함으로써, 연구자들은 6,000만 개의 게임 내에서 취할 수 있는 동작의 예를 캡처할 수 있었습니다. 연구자들은 대회 팀에 약 1,000시간의 비디오를 제공했습니다.

캘리포니아 대학교 버클리 컴퓨터 과학 박사 과정 학생인 로힌 샤(Rohin Shah)는 이 대회가 이미 생성된 인간의 지식을 사용하여 AI의 훈련을 가속화하는 최초의 대회일 가능성이 있다고 네이처에 말했습니다.

구스와 다른 연구자들은 이 대회가 마인크래프트를 넘어서는 결과를 가져올 수 있으며, 더好的 모방 학습 알고리즘의 개발과 더 많은 사람들이 모방 학습을 AI 훈련의 유용한 형태로 고려하도록 영감을 줄 수 있다고 희망합니다. 이 연구는 복잡하고 변하는 환경에서 인간과 상호 작용할 수 있는 AI를 생성하는 데 도움이 될 수 있습니다.