นักพัฒนารายงานว่า AI ได้เรียนรู้ทักษะพื้นฐาน เช่น การตัดต้นไม้ การทำแผ่นกระดาน และ
สำหรับการฝึกอบรม AI ทีม OpenAI ใช้เปิดวิดีโอ: วิดีโอการเล่นเกมประมาณ 70,000 ชั่วโมง เพื่อรับมือกับปริมาณนี้ บริษัทได้พัฒนากลยุทธ์ใหม่: การฝึกอบรมล่วงหน้ากับ "กึ่งครู"
แบบแผนการเรียนรู้ขั้นตอนแรกคือการค้นหาวิดีโอสำหรับการฝึกอบรม ขั้นตอนที่สองคือการฝึกอบรมเครือข่ายประสาท IDM โดยอิงจากวิดีโอที่มีข้อมูลเกี่ยวกับการเคลื่อนไหวของเมาส์และการกดแป้น ขั้นตอนที่สามคือมาร์กอัปวิดีโอโดยใช้ IDM และการฝึกอบรมเครือข่ายประสาทเทียมของเกม ที่มา: OpenAI
ในขั้นแรก นักวิจัยได้รวบรวมข้อมูลจากอาสาสมัคร: พวกเขาบันทึกวิดีโอเกม รวมถึงการกดแป้นและการเคลื่อนไหวของเมาส์ จากข้อมูลนี้ นักพัฒนาได้ฝึกฝนโมเดลไดนามิกผกผัน (IDM) เพื่อกำหนดว่าผู้เล่นจะดำเนินการใดโดยอิงจากข้อมูลวิดีโอเท่านั้น หลังจากนั้น IDM ก็ "ดู" อย่างอิสระและทำเครื่องหมายบันทึกของเกมที่เผยแพร่บน YouTube การฝึกอบรม AI ในเกมดำเนินการโดยใช้ข้อมูล IDM ที่ทำเครื่องหมายไว้แล้ว
นักพัฒนาทราบว่ารูปแบบพฤติกรรมนักโคลน ("ผู้เล่น") ที่ได้รับการฝึกฝนเกี่ยวกับวิดีโอออนไลน์ที่ติดแท็ก IDM จะทำงานใน Minecraft ที่แทบจะเป็นไปไม่ได้เลยที่จะเรียนรู้การเสริมกำลังแบบเดิมตั้งแต่เริ่มต้น เขาเรียนรู้ที่จะโค่นต้นไม้เพื่อเก็บท่อนซุง เปลี่ยนท่อนซุงให้เป็นแผ่น แล้วจึงทำโต๊ะประดิษฐ์จากแผ่นไม้ ลำดับนี้ใช้เวลาประมาณ 50 วินาทีหรือหนึ่งพันการกระทำในเกมติดต่อกันสำหรับผู้ที่เป็นเจ้าของ Minecraft
นักพัฒนายังแสดงให้เห็นว่าการปรับแต่งเพิ่มเติมผ่านการสังเกต AI ของกระบวนการเกมจริงช่วยให้สอนทักษะที่ซับซ้อนยิ่งขึ้นของแบบจำลองได้อย่างรวดเร็ว
นักวิจัยตั้งข้อสังเกตว่า Minecraft เป็นเพียงตัวอย่างหนึ่งของการใช้งานที่เป็นไปได้ของเทคโนโลยีใหม่ โดยทั่วไป การฝึกอบรมล่วงหน้าช่วยให้ AI ใช้ทรัพยากรน้อยที่สุดเพื่อรับทักษะต่างๆ ตามข้อมูลวิดีโอจำนวนมาก
อ่านเพิ่มเติม:
ยานสำรวจอวกาศอยู่ห่างจากดาวพุธเป็นระยะทาง 200 กม. ดูสิ่งที่เขาเห็น
หมวกกันน็อคอ่านใจของจีนส่งเสียงเตือนเมื่อมีคนเห็นเนื้อหาลามก
ดาวเทียมของดาวพฤหัสบดีถูกมองในมุมใหม่: สิ่งที่นักวิทยาศาสตร์เห็นที่นั่น