Các Trí Tuệ Nhân Tạo Đấu Trong Cuộc Thi Học Máy Minecraft

Theo báo cáo của Nature, một cuộc thi trí tuệ nhân tạo mới sẽ diễn ra sớm, cuộc thi MineRL, sẽ khuyến khích các kỹ sư và lập trình viên trí tuệ nhân tạo tạo ra các chương trình có khả năng học hỏi thông qua quan sát và ví dụ. Trường hợp thử nghiệm cho các hệ thống trí tuệ nhân tạo này sẽ là trò chơi điện tử phổ biến Minecraft.

Các hệ thống trí tuệ nhân tạo đã đạt được một số thành tựu ấn tượng gần đây khi nói đến trò chơi điện tử. Chỉ gần đây, một trí tuệ nhân tạo đã đánh bại các cầu thủ người giỏi nhất thế giới trong trò chơi chiến lược StarCraft II. Tuy nhiên, StarCraft II có các mục tiêu có thể xác định được, dễ dàng chia thành các bước hợp lý mà một trí tuệ nhân tạo có thể sử dụng để đào tạo. Một nhiệm vụ khó khăn hơn nhiều là để một trí tuệ nhân tạo học cách điều hướng một trò chơi sandbox mở lớn như Minecraft. Các nhà nghiên cứu đang nhằm giúp các chương trình trí tuệ nhân tạo học hỏi thông qua quan sát và ví dụ, và nếu họ thành công, họ có thể giảm đáng kể lượng điện toán cần thiết để đào tạo một chương trình trí tuệ nhân tạo.

Các tham gia cuộc thi sẽ có bốn ngày để tạo ra một trí tuệ nhân tạo sẽ được thử nghiệm với Minecraft, lên đến tám triệu bước để đào tạo trí tuệ nhân tạo của họ. Mục tiêu của trí tuệ nhân tạo là tìm một viên kim cương trong trò chơi bằng cách đào. Tám triệu bước đào tạo là một khoảng thời gian ngắn hơn nhiều so với thời gian cần thiết để đào tạo các mô hình trí tuệ nhân tạo mạnh mẽ ngày nay, vì vậy các tham gia cuộc thi cần phải thiết kế các phương pháp cải thiện đáng kể so với các phương pháp đào tạo hiện tại.

Các phương pháp được sử dụng bởi các tham gia cuộc thi dựa trên một loại học tập gọi là học tập bắt chước. Học tập bắt chước trái ngược với học tập tăng cường, là một phương pháp phổ biến để đào tạo các hệ thống tinh vi như cánh tay robot trong nhà máy hoặc các trí tuệ nhân tạo có khả năng đánh bại các cầu thủ người tại StarCraft II. Nhược điểm chính của các thuật toán học tập tăng cường là chúng yêu cầu điện toán lớn để đào tạo, dựa trên hàng trăm hoặc thậm chí hàng nghìn máy tính kết nối với nhau để học. Ngược lại, học tập bắt chước là một phương pháp đào tạo hiệu quả và ít tốn kém hơn. Các thuật toán học tập bắt chước cố gắng bắt chước cách con người học thông qua quan sát.

William Guss, một ứng viên tiến sĩ về lý thuyết học sâu tại Đại học Carnegie Mellon, đã giải thích với Nature rằng việc đưa một trí tuệ nhân tạo vào khám phá và học hỏi các mẫu trong môi trường là một nhiệm vụ cực kỳ khó khăn, nhưng học tập bắt chước cung cấp cho trí tuệ nhân tạo một kiến thức cơ bản, hoặc giả định tốt, về môi trường. Điều này có thể làm cho việc đào tạo một trí tuệ nhân tạo nhanh hơn so với học tập tăng cường.

Minecraft phục vụ như một môi trường đào tạo đặc biệt hữu ích vì nhiều lý do. Một lý do là Minecraft cho phép người chơi sử dụng các khối xây dựng đơn giản để tạo ra các cấu trúc và vật phẩm phức tạp, và nhiều bước cần thiết để tạo ra các cấu trúc này phục vụ như các dấu hiệu tiến bộ cụ thể mà các nhà nghiên cứu có thể sử dụng như các chỉ số. Minecraft cũng cực kỳ phổ biến, và vì vậy, nó tương đối dễ dàng để thu thập dữ liệu đào tạo. Các nhà tổ chức cuộc thi MineRL đã tuyển dụng nhiều người chơi Minecraft để chứng minh một loạt các nhiệm vụ như tạo ra các công cụ và phá vỡ các khối. Bằng cách huy động sự tham gia của cộng đồng để tạo ra dữ liệu, các nhà nghiên cứu đã có thể thu thập được 60 triệu ví dụ về các hành động có thể thực hiện trong trò chơi. Các nhà nghiên cứu đã cung cấp khoảng 1000 giờ video cho các đội tham gia cuộc thi.

Sử dụng kiến thức mà con người đã xây dựng, Rohin Shah, ứng viên tiến sĩ khoa học máy tính tại Đại học California, Berkeley, đã giải thích với Nature rằng cuộc thi này có thể là cuộc thi đầu tiên tập trung vào việc sử dụng kiến thức mà con người đã tạo ra để đẩy nhanh quá trình đào tạo trí tuệ nhân tạo.

Guss và các nhà nghiên cứu khác hy vọng rằng cuộc thi có thể có kết quả với ý nghĩa vượt ra ngoài Minecraft, dẫn đến sự phát triển của các thuật toán học tập bắt chước tốt hơn và truyền cảm hứng cho nhiều người hơn để xem xét học tập bắt chước như một hình thức đào tạo trí tuệ nhân tạo khả thi. Nghiên cứu có thể giúp tạo ra các trí tuệ nhân tạo có khả năng tương tác với con người trong các môi trường phức tạp, thay đổi.