猩猩学会玩《我的世界》,方法竟和GPT-4智能体相通?

来源:IT之家 2023-08-16 13:47:40  阅读量:11377   

当猩猩学会玩《我的世界》,方法居然和英伟达科学家训练 GPT-4 智能体的方法一致?

注意,这位玩家正在熟练地玩着《我的世界》,ta 游刃有余地进行着收集零食和打碎积木的操作。

镜头一转,我们才发现:玩家的真实身份,竟然是一只猩猩!

没错,这是一项来自「猩猩行动计划」的非人类生物神经网络实验。而实验的主角 Kanzi,是一只 42 岁的倭黑猩猩。

经过训练后,它学会了各种技能,挑战了乡村、沙漠神殿、下界传送门等环境,一路通关到达终点。

而 AI 专家发现,猩猩训练师教会它学技能的过程,竟然跟人类教 AI 玩 Minecraft 有诸多类似之处,比如上下文强化学习、RLHF、模仿学习、课程学习等。

当猩猩学会玩《我的世界》

Kanzi 是来自 Ape Initiative 的一只倭黑猩猩,它是世界上最聪明的猩猩之一,听得懂英语,还会使用触摸屏。

在 Ape Initiative,Kanzi 能接触到各种电子触摸屏,这或许为它快速上手《我的世界》打好了基础。

人们第一次向 Kanzi 展示《我的世界》时,它一坐到屏幕前就发现了绿色的箭头,然后用手指划向了这个目标物上。

学习三种技能

才不过几秒钟,Kanzi 就发现了该怎样在《我的世界》中移动。随后,它还学会了收集奖励。

每收集一个奖励,它都会得到花生、葡萄、苹果之类的零食奖励。

Kanzi 的操作越来越娴熟。它会分辨和目标箭头同样是绿色柱形的障碍物,在收集奖励时绕开它们。

当然,Kanzi 也会遇到难关。它需要使用 break 工具击碎大的积木块,但这个操作,它此前从未见过。

眼看 Kanzi 卡住了,人类在旁边开始帮忙,指着所需的工具按钮。然而 Kanzi 看完后仍然没能领悟。

人类只好亲自上手,用工具敲碎了木块。Kanzi 看完后若有所思,在所有人期待的目光中,它也有样学样,点击按钮后击碎了木块。人们瞬间爆发出欢呼。

现在,Kanzi 的技能树已经集齐了两样:收集零食、打碎积木。

在学习山洞技能的时候,工作人员发现,如果从试图击碎的木块上滑落,Kanzi 就会直接走掉。因此,人们为它特别定制了一个任务 ——

在一个到处都是钻石墙的山洞中击碎木块,来证明它掌握了收藏和击碎的技能。

在山洞里一切都很顺利,然而,Kanzi 却遇到了一个问题:它在墙角被卡住了。此时,就需要人类伸出援手。

最终,Kanzi 到达了洞穴底部,击碎了最后一道墙。

人群爆发出欢呼,Kanzi 也高兴地和工作人员击掌。

骗过人类

接下来,有意思的来了:工作人员邀请了一位人类玩家,和 Kanzi 一起玩游戏,当然,他对于 Kanzi 的身份并不知情。

工作人员打算看一看,这位玩家会在多长时间后意识到,和自己一起玩游戏的并不是人类。

开始,这位小哥只是觉得,对方的移动速度慢到不可思议,当 Kanzi 的画面被展现到眼前,小哥直接被吓到后仰。

走出迷宫

之后再玩《我的世界》,Kanzi 越战越勇。

每当 Kanzi 收集到一个奖励,人们就会用欢呼的形式肯定它的行为,如果它失败了,训练员也会用鼓掌和欢呼鼓励它继续进行游戏。

这时,它已经学会解锁地下迷宫的地图:

击碎面前的障碍物:

找到紫水晶:

当 Kanzi 卡住的时候,它会出去散散心,拿回一根木棍放到自己旁边。就算不幸失败,Kanzi 也会点击按钮,让自己重生。

最后一关,是一个充满分岔路的巨大迷宫。

因为迟迟无法走出迷宫,Kanzi 焦躁起来,开始拿着树枝尖叫,或者气得把树枝折断。

最终,它让自己平静下来继续闯关,走出了迷宫。立刻,掌声和欢呼声把 Kanzi 包围了。

看来,《我的世界》是被 Kanzi 这只倭黑猩猩玩明白了。

教猩猩和教 AI 的相似之处

看着一只倭黑猩猩熟练地玩着电子游戏,多少会有点让人觉得有些荒诞和不可思议。

英伟达高级科学家 Jim Fan 对此评论道 ——

尽管 Kanzi 和它的祖先们一生从未见过《我的世界》,但它很快就适应了电子屏幕上显示的《我的世界》中的纹理和物理特性。

而这与它们一直以来接触和生活的自然环境截然不同。这种泛化水平远远超出了现今为止最强大的视觉模型。

训练动物玩《我的世界》的技巧本质上与训练人工智能的原则是相同的:

- 基于上下文的强化学习:

每当 Kanzi 在游戏中达到标记的里程碑时,他就会得到一个水果或花生,激励他继续遵循游戏中的规则。

- RLHF:

Kanzi 并不理解人类的语言,但它能看到训练人员为他加油打气,还会偶尔给出回应。来自训练人员的欢呼给了 Kanzi 一个强烈的信号:它走在正确的道路上。

- 模仿学习:

训练员为 Kanzi 演示了如何完成任务之后,它就立即掌握了相关操作的含义。演示的效果远远超出比单独使用奖励的策略。

- 课程学习:

训练员和 Kanzi 从非常简单的环境开始,逐步教导 Kanzi 掌握控制技能。最后,Kanzi 能够穿越复杂的洞穴、迷宫和下界。

不仅如此,即便是使用了类似的训练技巧,动物的视觉系统就能在极短的时间内识别和适应新的环境,而 AI 视觉模型则会花费更多的时间和训练成本,甚至常常难以达到理想效果。

我们再次陷入莫拉维克悖论的深渊:

人工智能与人类的能力表现相反。在我们认为无需思考或作为本能的低级智能活动中,人工智能表现很糟糕。但在需要推理、抽象的高级智能活动中(如逻辑推理和语言理解),人工智能却很容易超越人类。

这正好对应了这个实验呈现的结果:

我们最好的人工智能在理解语言方面接近人类水平,但在感知、识别方面远远落后于动物。

网友:原来猩猩打游戏也会生气

Kanzi 和 LLMs 都可以玩《我的世界》,但 Kanzi 的学习方式和 LLMs 之间存在着不可小觑的差异,我们要注意这一点。

面对 Kanzi 优异的学习能力,网友们开始了恶搞。

有人预见 6 年以后的世界将成为猩球大战......

或者是猩猩喝可乐,融入人类社会......

甚至马老板也中枪了,被做成了「猴版」马斯克。

也有人说,Kanzi 是第一个拥有游戏玩家愤怒的非人类,ta 很满意。

「如果 Kanzi 有自己的游戏频道,我会老老实实看的。」

「在玩游戏上,人类与倭黑猩猩没有太大区别。我们都受到奖励的激励,以执行某些任务并完成目标,唯一的区别是奖励的实际内容。」

「在《我的世界》中,Kanzi 开采钻石的奖励更即时、更原始,而我们开采钻石的奖励则更延迟且与游戏相关。总之,有点疯狂。」

先是 GPT 学会了玩《我的世界》,现在倭黑猩猩也可以玩了,这让人不禁开始期待能用上 Neuralink 的未来。

Jim Fan 教 AI 智能体玩《我的世界》

在教 AI 玩 Minecraft 上,人类早已积累了许多先进经验。

早在今年 5 月,Jim Fan 团队就曾把英伟达的 AI 智能体接入 GPT-4,做出了一个全新的 AI 智能体 Voyager。

Voyager 不仅性能完胜 AutoGPT,而且还可以在游戏中进行全场景的终身学习!它可以自主写代码独霸《我的世界》,完全无需人类插手。

可以说,Voyager 出现后,我们离通用人工智能 AGI,又近了一步。

真?数字生命

接入 GPT-4 之后,Voyager 根本不用人类操心,完全就是自学成才。它不仅掌握了挖掘、建房屋、收集、打猎这些基本的生存技能,还学会了自个进行开放式探索。

通过自我驱动,它不断扩充着自己的物品和装备,配备不同等级的盔甲,用盾牌格挡上海,用栅栏圈养动物。

大语言模型的出现,给构建具身智能体带来了全新的可能性。因为基于 LLM 的智能体可以利用预训练模型中蕴含的世界知识,生成一致的行动计划或可执行策略。

Jim Fan:我们在 BabyAGI / AutoGPT 之前就有了这个想法,花了很多时间找出最好的无梯度架构

而在智能体中引入 GPT-4,就开启了一种全新的范式,让智能体摆脱了无法终身学习的缺陷。

OpenAI 科学家 Karpathy 也对此盛赞:这是个用于高级技能的「无梯度架构」。在这里,LLM 就相当于是前额叶皮层,通过代码生成了较低级的 mineflayer API。

3 个关键组件

为了让 Voyager 成为有效的终身学习智能体,来自英伟达、加州理工学院等机构的团队提出了 3 个关键组件:

  • 1. 一个迭代提示机制,能结合游戏反馈、执行错误和自我验证来改进程序

  • 2. 一个技能代码库,用来存储和检索复杂行为

  • 3. 一个自动教程,可以最大化智能体的探索

首先,Voyager 会尝试使用一个流行的 Minecraft JavaScript API来编写一个实现特定目标的程序。

游戏环境反馈和 JavaScript 执行错误会帮助 GPT-4 改进程序。

左:环境反馈。GPT-4 意识到在制作木棒之前还需要 2 块木板。

右:执行错误。GPT-4 意识到它应该制作一把木斧,而不是一把「相思木」斧,因为 Minecraft 中并没有「相思木」斧。

通过提供智能体当前的状态和任务,GPT-4 会告诉程序是否完成了任务。

此外,如果任务失败了,GPT-4 还会提出批评,建议如何完成任务。

自我验证

其次,Voyager 通过在向量数据库中存储成功的程序,逐步建立一个技能库。每个程序可以通过其文档字符串的嵌入来检索。

复杂的技能是通过组合简单的技能来合成的,这会使 Voyager 的能力随着时间的推移迅速增长,并缓解灾难性遗忘。

上:添加技能。每个技能都由其描述的嵌入索引,可以在将来的类似情况中检索。

下:检索技能。当面对自动课程提出的新任务时,会进行查询并识别前 5 个相关技能。

第三,自动课程会根据智能体当前的技能水平和世界状态,提出合适的探索任务。

例如,如果它发现自己在沙漠而非森林中,就学习采集沙子和仙人掌,而不是铁。课程是由 GPT-4 基于「发现尽可能多样化的东西」这个目标生成的。

自动课程

作为第一个由 LLM 驱动、可以终身学习的具身智能体,Voyager 的训练过程和猩猩训练过程的相似之处,可以给我们许多启示。

广告声明:文内含有的对外跳转链接,用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

声明:以上内容为本网站转自其它媒体,相关信息仅为传递更多企业信息之目的,不代表本网观点,亦不代表本网站赞同其观点或证实其内容的真实性。投资有风险,需谨慎。

猜你喜欢

300

热门文章