เอไอสู้กันในการแข่งขัน Machine Learning ของ Minecraft

ตามรายงานของ เนเจอร์ การแข่งขันเอไอใหม่จะเกิดขึ้นเร็วๆ นี้ ซึ่งเป็นการแข่งขัน MineRL ซึ่งจะกระตุ้นให้นักวิศวกรและนักเขียนโปรแกรมเอไอสร้างโปรแกรมที่สามารถเรียนรู้ผ่านการดูและการทำตามตัวอย่าง การทดสอบสำหรับระบบเอไอเหล่านี้จะเป็นเกมวิดีโอแซนด์บ็อกซ์ที่ได้รับความนิยมอย่างมากอย่าง Minecraft

ระบบปัญญาประดิษฐ์ได้แสดงความสำเร็จที่น่าประทับใจเมื่อเร็วๆ นี้เมื่อพูดถึงวิดีโอเกม เพียงไม่นานมานี้ เอไอได้เอาชนะผู้เล่นที่ดีที่สุดในโลกในเกมยุทธศาสตร์ StarCraft II อย่างไรก็ตาม StarCraft II มีเป้าหมายที่สามารถกำหนดได้ซึ่งสามารถแบ่งออกเป็นขั้นตอนที่สอดคล้องกันซึ่งเอไอสามารถใช้ในการฝึกอบรมได้ การที่ยากกว่าคือการให้เอไイเรียนรู้วิธีการนำทางในเกมแซนด์บ็อกซ์โลกเปิดขนาดใหญ่เช่น Minecraft นักวิจัยมีเป้าหมายที่จะช่วยให้โปรแกรมเอไอเรียนรู้ผ่านการดูและการทำตามตัวอย่าง และหากพวกเขาประสบความสำเร็จ พวกเขาอาจลดความต้องการพลังประมวลผลที่จำเป็นในการฝึกอบรมโปรแกรมเอไอได้มาก

ผู้เข้าร่วมการแข่งขันจะมีเวลาสี่วันในการสร้างเอไอที่จะถูกทดสอบด้วย Minecraft โดยใช้เวลาในการฝึกอบรมสูงสุดถึง 8 ล้านขั้นตอน เป้าหมายของเอไอคือการค้นหาวิธีหาเพชรภายในเกมโดยการขุด การฝึกอบรม 8 ล้านขั้นตอนเป็นระยะเวลาที่สั้นกว่ามากเมื่อเทียบกับเวลาที่จำเป็นในการฝึกอบรมโมเดลเอไอที่มีประสิทธิภาพในขณะนี้ ดังนั้นผู้เข้าร่วมการแข่งขันจึงต้องสร้างวิธีการที่ดีขึ้นอย่างมากเมื่อเทียบกับวิธีการฝึกอบรมปัจจุบัน

แนวทางที่ใช้โดยผู้เข้าร่วมการแข่งขันขึ้นอยู่กับการเรียนรู้แบบเลียนแบบ การเรียนรู้แบบเลียนแบบเป็นทางเลือกหนึ่งเมื่อเทียบกับการเรียนรู้แบบเสริมกำลัง ซึ่งเป็นวิธีการฝึกอบรมระบบที่ซับซ้อน เช่น แขนกลในโรงงานหรือเอไอที่สามารถเอาชนะผู้เล่นมนุษย์ใน StarCraft II ข้อเสียหลักของการเรียนรู้แบบเสริมกำลังคือต้องใช้พลังประมวลผลคอมพิวเตอร์ที่มากในการฝึกอบรม โดยอาศัยคอมพิวเตอร์หลายร้อยหรือหลายพันเครื่องเชื่อมต่อกันเพื่อเรียนรู้ ในทางกลับกัน การเรียนรู้แบบเลียนแบบเป็นวิธีการฝึกอบรมที่มีประสิทธิภาพและใช้พลังประมวลผลน้อยกว่า การเรียนรู้แบบเลียนแบบพยายามเลียนแบบวิธีการเรียนรู้ของมนุษย์ผ่านการดู

วิลเลียม กัสส์ ผู้สมัครปริญญาเอกด้านทฤษฎีการเรียนรู้ลึกที่มหาวิทยาลัยคาร์เนกีเมลลอน อธิบายกับเนเจอร์ว่าการให้เอไอสำรวจและเรียนรู้รูปแบบใน环境เป็นงานที่ยากมาก แต่การเรียนรู้แบบเลียนแบบให้เอไอเป็นฐานความรู้หรือสมมติฐานที่ดีเกี่ยวกับสภาพแวดล้อม ซึ่งสามารถทำให้การฝึกอบรมเอไิเร็วขึ้นเมื่อเทียบกับการเรียนรู้แบบเสริมกำลัง

Minecraft เป็นสภาพแวดล้อมฝึกอบรมที่มีประโยชน์เป็นพิเศษเนื่องจากหลายเหตุผล หนึ่งในเหตุผลคือ Minecraft ช่วยให้ผู้เล่นใช้บล็อกการสร้างที่เรียบง่ายเพื่อสร้างโครงสร้างและวัตถุที่ซับซ้อน และขั้นตอนที่จำเป็นในการสร้างโครงสร้างเหล่านี้เป็นตัวบ่งชี้ที่เป็นรูปธรรมของความก้าวหน้าที่นักวิจัยสามารถใช้เป็นเมตริกได้ Minecraft ยังเป็นเกมที่ได้รับความนิยมอย่างมาก และเนื่องจากความนิยม จึงสามารถรวบรวมข้อมูลฝึกอบรมได้ง่ายกว่า ผู้จัดงานการแข่งขัน MineRL ได้รับสมัครผู้เล่น Minecraft จำนวนมากเพื่อแสดงงานต่างๆ เช่น การสร้างเครื่องมือและการทำลายบล็อก โดยการสร้างข้อมูลฝึกอบรมผ่านการมีส่วนร่วม นักวิจัยสามารถจับข้อมูลได้ถึง 60 ล้านตัวอย่างของการกระทำที่สามารถทำได้ในเกม นักวิจัยได้ให้เวลาประมาณ 1,000 ชั่วโมงของวิดีโอแก่ทีมการแข่งขัน

ใช้ความรู้ที่มนุษย์สร้างขึ้น รोहิน ชาห์ ผู้สมัครปริญญาเอกด้านวิทยาการคอมพิวเตอร์ที่มหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ อธิบายกับเนเจอร์ว่าการแข่งขันนี้อาจเป็นครั้งแรกที่เน้นการใช้ความรู้ที่มนุษย์สร้างขึ้นเพื่อเร่งการฝึกอบรมเอไอ

กัสส์และนักวิจัยคนอื่นๆ มีความหวังว่าการแข่งขันอาจมีผลลัพธ์ที่มีผลกระทบไปไกลกว่า Minecraft โดยนำไปสู่การสร้างอัลกอริทึมการเรียนรู้แบบเลียนแบบที่ดีขึ้นและกระตุ้นให้ผู้คนพิจารณาการเรียนรู้แบบเลียนแบบเป็นวิธีการฝึกอบรมเอไอที่เป็นไปได้ การวิจัยอาจช่วยให้สร้างเอไอที่สามารถโต้ตอบกับมนุษย์ในสภาพแวดล้อมที่ซับซ้อนและเปลี่ยนแปลงได้ดีขึ้น