ОпенАИ је научио како да игра Минецрафт гледајући 70.000 сати ИоуТубе видео записа

Програмери извештавају да је вештачка интелигенција научила основне вештине као што су сечење дрвећа, прављење дасака и

израда столова за израду.Такође су га посматрали како плива, лови, кува и „скаче са стубова“. Штавише, савладавши основне вештине, систем је научио како да направи дијамантски пијук. Да би увежбали ову вештину у игри, људским играчима је потребно око 20 минута. и 24 хиљаде акција.

За АИ обуку, ОпенАИ тим је користиоотворени видео снимци: око 70.000 сати снимака играња. Да би се изборила са овим обимом, компанија је развила нову стратегију: пре-тренинг са „полу-учитељима“.

Шема учења.Прва фаза је тражење видеа за обуку, друга фаза је обука ИДМ неуронске мреже на основу видео снимка који садржи информације о покретима миша и притискању тастера, трећа фаза је означавање видеа коришћењем ИДМ-а и обучавање неуронске мреже игре. Извор: ОпенАИ

У првом кораку, истраживачи су прикупили податке одволонтери: снимали су видео игрице, као и притиске на тастере и покрете миша. На основу ових података, програмери су обучили модел инверзне динамике (ИДМ) да одреде које радње плејер изводи само на основу видео података. Након тога, ИДМ је самостално „прегледао“ и означио снимке игре објављене на Јутјубу. Обука вештачке интелигенције у игри се спроводи коришћењем већ означених ИДМ података.

Програмери примећују да модел понашањаКлонер („играч“) обучен на онлајн видео снимку означеном ИДМ-ом обавља задатке у Минецрафт-у које је скоро немогуће завршити традиционалним учењем од нуле. Учи да сече дрвеће да би сакупио трупце, претвори те трупце у даске, а затим од дасака направи сто за израду. Ова секвенца траје око 50 секунди или хиљаду узастопних радњи игре за особу која поседује Минецрафт.

Програмери су такође показали да додатно фино подешавање кроз АИ посматрање стварног процеса игре помаже да се модел брзо обучи у сложенијим вештинама.

Истраживачи примећују да је Минецрафтсамо један пример могућих примена нове технологије. Уопштено говорећи, претходна обука омогућава вештачкој интелигенцији да користи минималне ресурсе за стицање различитих вештина на основу велике количине видео података.

Опширније:

Свемирска сонда је летела 200 км од Меркура. Погледај шта је видео

Кинески шлем за читање мисли звучи аларм када особа види порно садржај

Сателит Јупитера је посматран у новом светлу: оно што су научници тамо видели