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

又一个 AI 老大难问题，被 DeepMind 攻克了：

一只名叫 DreamerV3 的 AI，在啥也不知道的情况下被丢进《我的世界》（MineCraft）里，摸爬滚打 17 天，还真就学会了如何从 0 开始挖钻石。

要知道，之前为了攻克这个问题，CMU、微软、DeepMind 和 OpenAI 还联手在 NeurIPS 上拉了个比赛，叫 MineRL。

结果搞了三四年，AI 们也没能在不参考人类经验的情况下，完成挖钻石任务。

此前表现最好的 VPT 选手，为了达成这一成就，可是狂看了 70000 + 小时《我的世界》游戏视频，并且用上了 720 个 V100……

这不 DeepMind 的最新结果一出，研究人员都开心坏了。

MineRL 的发起人之一、前 OpenAI 研究科学家 William Guss 就第一时间跑来发表贺电：

4 年了，“钻石挑战”终于被攻克了！

今年刚拿到了 NeurIPS 杰出数据集和基准论文奖的 MineDojo 作者、英伟达 AI 科学家范麟熙则表示：

AI 玩转 MineCraft 背后，有个莫拉维克悖论：一些任务对于人类而言很困难（比如围棋），但对 AI 来说很简单。但像 MineCraft 这样人类高玩无数的游戏，情况却相反。

DreamerV3 能在没有任何人工数据辅助的情况下收集钻石，这让我感到非常兴奋。

如何做到

所以，这个 0 基础挖钻石任务，到底有啥难点？

首先，在《我的世界》里，初始世界是完全随机生成的。

即使是人类玩家，想要快速挖到钻石，也得有相当丰富的经验。比如，知道怎么推算钻石的位置、掌握一些挖掘窍门（如鱼骨挖矿法）等。

排除掉经验的因素，对于 AI 来说，这个挖钻石的过程也挺复杂，至少得要 7 个步骤。

第一步，玩家在空手进入《我的世界》中时，需要先撸树来获取木块：

第二步，得用木块用来合成工作台：

第三步，在工作台上合成木镐，用来挖圆石：

第四步，获得圆石之后，需要合成一个石镐，用来快速挖铁矿：

第五步，为了将铁矿合成铁锭，还需要做一个熔炉来烧铁：

第六步，合成铁镐，用来挖钻石：

第七步，寻找钻石，然后用铁镐挖出钻石：

p.s. 有玩家测试过，在 AI 知道钻石等各种资源坐标的情况下（开外挂），也需要 2-3 分钟才能搞定。

这也就意味着，AI 必须在有限时间里，做出大量决策。

那么既然不能参考人类高手的经验，自然就需要强化学习（Reinforcement Learning）出马。

具体而言，DeepMind 的研究人员提出了一种基于世界模型的通用算法。

在整体架构上，DreamerV3 由 3 个神经网络组成：世界模型、评委（critic）和演员（actor）。

世界模型要做的，是把环境输入编码为离散的表征，并通过预测来指导下一步要执行的操作。

而评委和演员则会根据抽象出来的表征进行学习。其中，评委网络会输出一个标量值来代表行动价值，从而帮助演员网络选择最优的行动。

这里面的一个核心点在于，DeepMind 的研究人员希望 DreamerV3 不仅仅能处理同类型的问题，还可以用固定超参数，掌握跨领域任务。

因此，研究人员需要系统地解决世界模型、评委和演员等各个组件中信号大小不同，以及稳定平衡目标的问题。

研究人员发现：

以前的世界模型，需要根据复杂 3D 环境的视觉输入，对表征损失进行不同的缩放，在训练过程中还得调整不少超参数，但这里面其实有许多没必要的细节。

而如果把自由比特（free bits）和 KL 平衡（KL balancing）结合起来，就可以在不调整超参数的情况下让 DreamerV3 在不同领域中学习。

KL 平衡是上一代 DreamerV2 中提出的一项新技术。能够使预测向表征移动的速度比表征向预测移动的速度更快，带来更精确的预测。

自由比特避免了简单环境下的过度拟合。

DreamerV3 的三大块都用上了固定超参数，具体如下：

实验结果

也就是说，DreamerV3 如今成了世界上第一个纯靠自己摸索，就能在《我的世界》里速挖钻石的 AI。

并且 DreamerV3 的本事可不只是玩 MC。

在另外 7 项基准测试中，DreamerV3 都取得了成功，并且在 BSuite、Crafter 上达到了 SOTA。

值得一提的是，在这些任务中，训练智能体所用到的 GPU 资源都仅为 1 块 V100。研究人员表示，这意味着有更多的实验室能跑得动这一模型。

另外，在需要时空推理的三维空间中，DreamerV3 也能快速进行学习。

在 DeepMind 为强化学习专门打造的 3D 平台 DMLab 上，DreamerV3 在任务中使用的交互次数仅为 IMPALA 的 1/130。

目前，DreamerV3 的代码是 coming soon 的状态。

感兴趣的小伙伴可以蹲一波~

参考链接：

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

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

本文来自微信公众号：量子位 （ID：QbitAI），作者：鱼羊 Alex