金磊 發自 凹非寺
AI看70000小時《我的世界》視訊，能達到一個什麼水平？
以「鑽石鎬」（diamond pickaxe）為例，這個東西高級人類玩家要快速點選20分鐘、約2.4萬個動作才能製作完成。
而現在的AI，已然能夠輕鬆hold住了。
哐哐找到各種材料，一步步進行各種合成：
這就是來自OpenAI號稱最強的《我的世界》AI——MineDojo。
它還是世界第一個能夠打造「鑽石工具」的AI。
不僅如此，像打造「石鎬」、「簡易避難所」都不在話下：
當然，在《我的世界》裡其它的常規操作，在MineDojo手裡也遊刃有餘。
例如游泳、狩獵、支柱跳等等：
至於OpenAI為什麼要讓AI學會這些技巧，研究人員Bowen Baker表示：
很大程度上是因為我們在模擬人類上網時的行為。
MineDojo是如何煉成的？
正如我們剛才提到的，MineDojo的「煉成之道」，就是看視訊。
這些視訊內容都是人類玩家發佈在油管上，展示自己如何玩《我的世界》的。
然後在看完70000小時視訊之後，這個AI就學會了如何執行遊戲中的各種任務。
這種方式一般被稱為模仿學習（imitation learning），就是訓練神經網路通過觀察人類行為來學習。
雖然此前也有眾多相關研究，但仍有一些問題尚待解決。
「貼標籤」就是其中之一。
傳統方式就是在每一個動作上貼上標籤：這麼做會發生這件事、那麼做會發生那件事。
但這種方式可想而知的後果，就是工作量太大了，導致可以用來訓練的資料較少。
因此，OpenAI的研究人員便另闢蹊徑，想出了不一樣的研究思路——視訊預訓練（Video Pre-Training，VPT）：
這個方法的核心思路，就是訓練另一個神經網路，專門來處理繁瑣的「貼標籤」的工作。
為此，研究人員先是找來一批玩家讓他們先玩《我的世界》，當然，娛樂的同時也要記錄下鍵盤、滑鼠的點選次數。
如此一來，研究人員先是得到了2000小時帶標記的一些資料。
在這基礎上，他們便開始訓練一個模型，來匹配鍵盤、滑鼠動作和螢幕上的結果——
例如在什麼情況下點下滑鼠，會讓遊戲中的角色揮舞斧頭。
把這個模型訓練出來之後，就要引入70000小時沒有標籤的視訊了；在它的加持下，龐大且可用的資料集就誕生了。
再接下來，就是回到之前模仿學習的思路，用這些新資料來訓練AI。
雖說模仿學習可以說是強化學習的一個分支，但OpenAI的研究人員發現，VPT訓出來的AI，能夠完成單靠強化學習無法完成的任務。
比如製作木板並把它們變成一張桌子（大約需要970個連續動作）。
不僅如此，研究人員還發現，若是把模仿學習和強化學習做個結合，那麼效果是最好的。
而由《我的世界》這次的研究拓展開來，OpenAI的研究人員還表示：
我們的AI還可以執行其它任務，例如滑鼠瀏覽網站、預訂航班或線上購物。
《我的世界》已經成為AI技術試驗田
其實OpenAI這次研究的亮點，刨除VPT方法本身，其研究的兩大要素——《我的世界》和視訊，也成為人們熱議的焦點。
《我的世界》這款遊戲的一大特點就是開放性，玩家可以在這個虛擬世界裡做出許多意想不到的傑作。
不同於以往強化學習訓練AI的遊戲環境，大多都是以「輸贏」為結果而終止了，但往往AI後期訓練出來的能力可能是超越這種「限制」的。
但《我的世界》就沒有「輸贏」之說了，AI可以在這裡盡情的發揮。因此OpenAI研究人員表示：
《我的世界》是訓練AI很好的試驗田。
而這也贏得了NeurIPS的認可——MineDojo拿下了今年這個頂會的一個獎項。
至於這項研究第二個熱議點「視訊」，正如索尼執行董事Peter Stone所述：
視訊是一種潛力巨大的培訓資源。
但似乎OpenAI的研究人員還不滿足此次的成果，他們認為，收集100萬小時《我的世界》的視訊，會讓它們的AI變得更加出色。
當然，這項研究也引來不少網友們的圍觀，也有一些比較有意思的討論：
人們想讓AI有意識，但它們有意識之後才發覺，自己需要被迫看這麼久的視訊，有夠累的。
論文地址：
https://openai.com/blog/vpt/
參考連結：
[1]https://www.reddit.com/r/technology/comments/z58fmi/a_bot_that_watched_70000_hours_of_minecraft_could/
[2]https://www.youtube.com/watch?v=Z2FsxrRmDPQ
[3]https://www.youtube.com/watch?v=fJn9B64Znrk
