AI konkurują w konkursie Minecraft Machine Learning

Jak donoszą Nature, wkrótce odbędzie się nowy konkurs AI, konkurs MineRL, który zachęci inżynierów i programistów AI do tworzenia programów zdolnych do uczenia się przez obserwację i przykład. Przypadek testowy dla tych systemów AI będzie bardzo popularną grą survivalową i sandboxową Minecraft.

Systemy sztucznej inteligencji osiągnęły ostatnio imponujące osiągnięcia w grach wideo. Niedawno AI pokonał najlepszych graczy na świecie w strategicznej grze StarCraft II. Jednak StarCraft II ma określone cele, które łatwiej rozbić na spójne kroki, które AI może wykorzystać do treningu. O wiele trudniejszym zadaniem jest nauczenie AI, jak nawigować w dużej, otwartej grze sandboxowej, takiej jak Minecraft. Badacze mają na celu pomóc programom AI w nauce przez obserwację i przykład, a jeśli będą szczęśliwi, mogą znacznie zmniejszyć ilość mocy obliczeniowej potrzebnej do treningu programu sztucznej inteligencji.

Uczestnicy konkursu będą mieli cztery dni, aby stworzyć AI, który zostanie przetestowany z Minecraft, podejmując do ośmiu milionów kroków, aby przeszkolić swojego AI. Celem AI jest znalezienie diamentu w grze przez kopanie. Osiem milionów kroków treningu to znacznie krótszy czas niż czas potrzebny do treningu potężnych modeli AI, więc uczestnicy konkursu muszą opracować metody, które znacznie poprawią obecne metody treningu.

Podejścia stosowane przez uczestników opierają się na rodzaju uczenia się zwanej naśladownictwem. Naśladownictwo stoi w przeciwieństwie do uczenia się wzmocnionego, który jest popularną metodą treningu zaawansowanych systemów, takich jak ramiona robota w fabrykach lub AI zdolne do pokonania ludzkich graczy w StarCraft II. Główną wadą algorytmów uczenia się wzmocnionego jest fakt, że wymagają ogromnej mocy obliczeniowej do treningu, opierając się na setkach lub nawet tysiącach połączonych komputerów, aby nauczyć się. W przeciwieństwie do tego, naśladownictwo jest o wiele bardziej efektywną i mniej kosztowną metodą treningu. Algorytmy naśladownictwa starają się naśladować, jak ludzie uczą się przez obserwację.

William Guss, kandydat na stopień doktora w teorii głębokiego uczenia się na Uniwersytecie Carnegie Mellon, wyjaśnił Nature, że uzyskanie AI do eksploracji i nauki wzorców w środowisku jest ogromnie trudnym zadaniem, ale naśladownictwo zapewnia AI podstawową wiedzę lub dobre założenia, o środowisku. To może sprawić, że trening AI będzie znacznie szybszy w porównaniu z uczeniem się wzmocnionym.

Minecraft służy jako szczególnie przydatne środowisko treningowe z wielu powodów. Jednym z powodów jest to, że Minecraft pozwala graczom używać prostych bloków budowlanych do tworzenia złożonych struktur i przedmiotów, a wiele kroków potrzebnych do stworzenia tych struktur służy jako namacalne znaki postępu, które badacze mogą wykorzystać jako metryki. Minecraft jest również niezwykle popularny, a dzięki temu jest względnie łatwo uzyskać dane treningowe. Organizatorzy konkursu MineRL zwerbowali wielu graczy Minecraft, aby zademonstrowali różne zadania, takie jak tworzenie narzędzi i łamanie bloków. Dzięki crowdsourcingowi generowania danych, badacze byli w stanie przechwycić 60 milionów przykładów działań, które można podjąć w grze. Badacze dostarczyli około 1000 godzin wideo zespołom konkursowym.

Użyj wiedzy, którą ludzie zbudowali, mówi Rohin Shah, kandydat na stopień doktora w dziedzinie informatyki na Uniwersytecie Kalifornijskim w Berkeley, wyjaśnił Nature, że ten konkurs jest prawdopodobnie pierwszym, który koncentruje się na wykorzystaniu wiedzy, którą ludzie już wygenerowali, aby przyspieszyć trening AI.

Guss i inni badacze mają nadzieję, że konkurs może przynieść wyniki z implikacjami poza Minecraft, dając początek lepszym algorytmom naśladownictwa i inspirując więcej ludzi do rozważania naśladownictwa jako wiarygodnej formy treningu AI. Badania mogą potencjalnie pomóc w tworzeniu AI, które są lepiej zdolne do interakcji z ludźmi w złożonych, zmieniających się środowiskach.