又一個 AI 老大難問題，被 DeepMind 攻克了：

一只名叫 DreamerV3 的 AI，在啥也不知道的情況下被丟進《我的世界》（MineCraft）里，摸爬滾打 17 天，還真就學會了如何從 0 開始挖鉆石。

要知道，之前為了攻克這個問題，CMU、微軟、DeepMind 和 OpenAI 還聯手在 NeurIPS 上拉了個比賽，叫 MineRL。

結果搞了三四年，AI 們也沒能在不參考人類經驗的情況下，完成挖鉆石任務。

此前表現最好的 VPT 選手，為了達成這一成就，可是狂看了 70000 + 小時《我的世界》游戲視頻，并且用上了 720 個 V100……

這不 DeepMind 的最新結果一出，研究人員都開心壞了。

MineRL 的發起人之一、前 OpenAI 研究科學家 William Guss 就第一時間跑來發表賀電：

4 年了，“鉆石挑戰”終于被攻克了！

今年剛拿到了 NeurIPS 杰出數據集和基準論文獎的 MineDojo 作者、英偉達 AI 科學家范麟熙則表示：

AI 玩轉 MineCraft 背后，有個莫拉維克悖論：一些任務對于人類而言很困難（比如圍棋），但對 AI 來說很簡單。但像 MineCraft 這樣人類高玩無數的游戲，情況卻相反。

DreamerV3 能在沒有任何人工數據輔助的情況下收集鉆石，這讓我感到非常興奮。

如何做到

所以，這個 0 基礎挖鉆石任務，到底有啥難點？

首先，在《我的世界》里，初始世界是完全隨機生成的。

即使是人類玩家，想要快速挖到鉆石，也得有相當豐富的經驗。比如，知道怎么推算鉆石的位置、掌握一些挖掘竅門（如魚骨挖礦法）等。

排除掉經驗的因素，對于 AI 來說，這個挖鉆石的過程也挺復雜，至少得要 7 個步驟。

第一步，玩家在空手進入《我的世界》中時，需要先擼樹來獲取木塊：

第二步，得用木塊用來合成工作臺：

第三步，在工作臺上合成木鎬，用來挖圓石：

第四步，獲得圓石之后，需要合成一個石鎬，用來快速挖鐵礦：

第五步，為了將鐵礦合成鐵錠，還需要做一個熔爐來燒鐵：

第六步，合成鐵鎬，用來挖鉆石：

第七步，尋找鉆石，然后用鐵鎬挖出鉆石：

p.s. 有玩家測試過，在 AI 知道鉆石等各種資源坐標的情況下（開外掛），也需要 2-3 分鐘才能搞定。

這也就意味著，AI 必須在有限時間里，做出大量決策。

那么既然不能參考人類高手的經驗，自然就需要強化學習（Reinforcement Learning）出馬。

具體而言，DeepMind 的研究人員提出了一種基于世界模型的通用算法。

在整體架構上，DreamerV3 由 3 個神經網絡組成：世界模型、評委（critic）和演員（actor）。

世界模型要做的，是把環境輸入編碼為離散的表征，并通過預測來指導下一步要執行的操作。

而評委和演員則會根據抽象出來的表征進行學習。其中，評委網絡會輸出一個標量值來代表行動價值，從而幫助演員網絡選擇最優的行動。

這里面的一個核心點在于，DeepMind 的研究人員希望 DreamerV3 不僅僅能處理同類型的問題，還可以用固定超參數，掌握跨領域任務。

因此，研究人員需要系統地解決世界模型、評委和演員等各個組件中信號大小不同，以及穩定平衡目標的問題。

研究人員發現：

以前的世界模型，需要根據復雜 3D 環境的視覺輸入，對表征損失進行不同的縮放，在訓練過程中還得調整不少超參數，但這里面其實有許多沒必要的細節。

而如果把自由比特（free bits）和 KL 平衡（KL balancing）結合起來，就可以在不調整超參數的情況下讓 DreamerV3 在不同領域中學習。

KL 平衡是上一代 DreamerV2 中提出的一項新技術。能夠使預測向表征移動的速度比表征向預測移動的速度更快，帶來更精確的預測。

自由比特避免了簡單環境下的過度擬合。

DreamerV3 的三大塊都用上了固定超參數，具體如下：

實驗結果

也就是說，DreamerV3 如今成了世界上第一個純靠自己摸索，就能在《我的世界》里速挖鉆石的 AI。

并且 DreamerV3 的本事可不只是玩 MC。

在另外 7 項基準測試中，DreamerV3 都取得了成功，并且在 BSuite、Crafter 上達到了 SOTA。

值得一提的是，在這些任務中，訓練智能體所用到的 GPU 資源都僅為 1 塊 V100。研究人員表示，這意味著有更多的實驗室能跑得動這一模型。

另外，在需要時空推理的三維空間中，DreamerV3 也能快速進行學習。

在 DeepMind 為強化學習專門打造的 3D 平臺 DMLab 上，DreamerV3 在任務中使用的交互次數僅為 IMPALA 的 1/130。

目前，DreamerV3 的代碼是 coming soon 的狀態。

感興趣的小伙伴可以蹲一波~

參考鏈接：

• [1]https://danijar.com/project/dreamerv3/

• [2]https://twitter.com/DeepMind/status/1613159943040811010

本文來自微信公眾號：量子位 （ID：QbitAI），作者：魚羊 Alex

總結

以上是生活随笔為你收集整理的在《我的世界》里挖钻石把 AI 难哭了，DeepMind 最新算法终于扳回颜面的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。