谷歌人工智能通过观看开放世界视频游戏来学习玩它们

谷歌 DeepMind 人工智能模型可以玩不同的开放世界视频游戏，例如 无人深空就像人类一样，只需观看屏幕上的视频，这可能是迈向在物质世界中运行的普遍智能人工智能的一步。

长期以来，玩视频游戏一直是测试人工智能系统进展的一种手段，例如谷歌 DeepMind 的人工智能对虚拟国际象棋和围棋的掌握，但这些游戏有明显的输赢方式，使得训练人工智能在游戏中取得成功相对简单。他们。

具有更抽象目标和可以忽略的无关信息的开放世界游戏，例如 我的世界，人工智能系统更难破解。 由于这些游戏中提供的一系列选择使它们更像正常生活，因此它们被认为是训练可以在现实世界中完成工作（例如控制机器人）和通用人工智能的人工智能代理的重要垫脚石。

现在，谷歌 DeepMind 的研究人员开发了一种人工智能，他们称之为 可扩展、可指导的多世界代理，或 SIMA，它可以仅使用游戏中的视频源来玩九种不同的视频游戏和以前从未见过的虚拟环境。 其中包括太空探索 无人深空解决问题的 拆除 以及充满动感的 模拟山羊3。

“这实际上是人类用来与计算机交互的界面，它是一个非常通用的界面，”说 弗雷德里克·贝斯 在 DeepMind。

当用自然语言询问时，SIMA 可以在 10 秒或更短的时间内执行大约 600 个不同游戏中常见的任务，例如四处移动、使用对象和导航菜单。 它还可以执行更多独特的任务，例如驾驶宇宙飞船或开采资源。

Besse 和他的同事使用预先存在的视频和图像识别模型来解释游戏视频数据，然后训练 SIMA 将视频中发生的情况映射到某些任务。 为了提供这些信息，研究人员让两人一起玩视频游戏，其中一个人看着屏幕并告诉另一个人要做什么动作，还让人们回顾他们的游戏过程并描述他们执行的鼠标和键盘动作他们的游戏动作。 这使得 SIMA 能够了解人们对动作的描述如何与任务本身相关。

当 SIMA 接受八种游戏的训练时，研究人员发现它可以玩第九种以前从未见过的游戏。 然而，它的表现还达不到人类水平。 研究人员使用了一种训练方法，他们轮流训练人工智能的八个游戏，因此使用第九个游戏进行测试，以确保它可以玩以前从未见过的任何游戏。

推断不同的游戏是迈向通才人工智能代理的重要一步，说 费利佩·梅内古齐 英国阿伯丁大学，但 SIMA 目前只能执行一组相对有限的短期任务，不需要长期规划。 他说，执行更广泛的复杂任务会更加困难。

“值得记住的是，对于像 DeepMind 这样的公司来说，这项研究实际上并不是关于游戏，而是关于机器人技术，”说 迈克尔·库克 在伦敦国王学院。 “驾驭 3D 环境是达到目的的一种手段，这些公司热衷于制造能够感知世界并采取行动的人工智能系统。 所以我认为这不会对视频游戏产生太大影响，但它可能会对我们现实世界之外的生活产生很多未知的影响。”

主题：