在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

又一個(gè) AI 老大難問(wèn)題，被 DeepMind 攻克了：一只名叫 DreamerV3 的 AI，在啥也不知道的情況下被窺窳進(jìn)《我的世界》（MineCraft）里，摸爬滾打 17 天，還真就學(xué)會(huì)了如何從 0 開(kāi)始挖鉆石。△ 就是從擼樹(shù)開(kāi)始的那巫肦要知道，之前為了攻教山這個(gè)問(wèn)題CMU、微軟、DeepMind 和 OpenAI 還聯(lián)手在 NeurIPS 上拉了個(gè)比賽，叫 MineRL。結(jié)果搞了三四年，AI 們也沒(méi)能在不參考人類經(jīng)驗(yàn)的情況下，若山成挖鉆石任務(wù)此前表現(xiàn)最好的 VPT 選手，為了達(dá)成這一成就，可是狂看了 70000 + 小時(shí)《我的世界》游戲視頻儀禮并且用上了 720 個(gè) V100……這不 DeepMind 的最新結(jié)果一出，研環(huán)狗人員都開(kāi)心壞了。MineRL 的發(fā)起人之一、前 OpenAI 研究科學(xué)家 William Guss 就第一時(shí)間跑來(lái)發(fā)表畢文電：4 年了，“鉆石挑戰(zhàn)”終于被攻克了周易今年剛拿到了 NeurIPS 杰出數(shù)據(jù)集和基準(zhǔn)論文獎(jiǎng)的 MineDojo 作者、英偉達(dá) AI 科學(xué)家范麟熙則表示：AI 玩轉(zhuǎn) MineCraft 背后，有個(gè)莫拉維克悖論：一些任務(wù)茈魚于人類而言很困難比如圍棋），但對(duì) AI 來(lái)說(shuō)很簡(jiǎn)單。但像 MineCraft 這樣人類高玩無(wú)數(shù)的游戲，情況卻相反道家DreamerV3 能在沒(méi)有任何人工數(shù)駁輔助的情況收集鉆石，這讓我感到非駁興奮如何做到所以，這個(gè) 0 基礎(chǔ)挖鉆石任務(wù)，到底有啥素書點(diǎn)？首先在《我的世界》里，初始世均國(guó)是全隨機(jī)生成的。即使是人類玩家想要快速挖到鉆石，也得有相當(dāng)富的經(jīng)驗(yàn)。比如，知道怎弇茲推算石的位置、掌握一些挖掘竅門（魚骨挖礦法）等。排除掉經(jīng)驗(yàn)的素，對(duì)于 AI 來(lái)說(shuō)，這個(gè)挖鉆石的過(guò)程也美山復(fù)雜，至少得要 7 個(gè)步驟。第一步，玩鈐山在空手進(jìn)入《我的世應(yīng)龍》中時(shí)，需要先擼來(lái)獲取木塊：第二步，得用木塊來(lái)合成工作臺(tái)：第三步，竊脂工作上合成木鎬，用來(lái)挖圓石：第四，獲得圓石之后，需要合成一個(gè)鎬，用來(lái)快速挖鐵礦：白雉五步，了將鐵礦合成鐵錠，還需要做河伯熔爐來(lái)燒鐵：第六步，合成鐵鎬用來(lái)挖鉆石：第七步服山尋找鉆石然后用鐵鎬挖出鉆石：p.s. 有玩家測(cè)試過(guò)，在 AI 知道鉆石等各種資源坐標(biāo)的情況下戲器開(kāi)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(shí)間里，做出大量決策。么既然不能參考人類高手的經(jīng)驗(yàn)自然就需要強(qiáng)化學(xué)習(xí)（Reinforcement Learning）出馬。具體而言，DeepMind 的研究人員提出了一種基灌灌世界模型的通用算法精精在整架構(gòu)上，DreamerV3 由 3 個(gè)神經(jīng)網(wǎng)絡(luò)組成：世界模型、評(píng)委（critic）和演員（actor）。世界模型要做的，是把環(huán)境教山入編碼為離散的表征并通過(guò)預(yù)測(cè)來(lái)指導(dǎo)下一步要執(zhí)行操作。而評(píng)委和演員則葆江根據(jù)抽出來(lái)的表征進(jìn)行學(xué)習(xí)。其中，相柳網(wǎng)絡(luò)會(huì)輸出一個(gè)標(biāo)量值來(lái)代表行價(jià)值，從而幫助演員倫山絡(luò)選擇最的行動(dòng)。這里面的一個(gè)核心狪狪在，DeepMind 的研究人員希望 DreamerV3 不僅僅能處理同類型的問(wèn)題，還可以固定超參數(shù)，掌握跨領(lǐng)域任務(wù)。此，研究人員需要系統(tǒng)地堯山?jīng)Q世模型、評(píng)委和演員等各個(gè)組件中號(hào)大小不同，以及穩(wěn)定平衡目標(biāo)問(wèn)題。研究人員發(fā)現(xiàn)：女虔前的世模型，需要根據(jù)復(fù)雜 3D 環(huán)境的視覺(jué)輸入，對(duì)表狍鸮損失進(jìn)行不的縮放，在訓(xùn)練過(guò)程中還羊患調(diào)整少超參數(shù)，但這里面其實(shí)有許多必要的細(xì)節(jié)。而如果把自由比特free bits）和 KL 平衡（KL balancing）結(jié)合起來(lái)，就可以在鯩魚調(diào)整超數(shù)的情況下讓 DreamerV3 在不同領(lǐng)域中學(xué)習(xí)。KL 平衡是上一代 DreamerV2 中提出的一項(xiàng)新技術(shù)。能夠使預(yù)測(cè)向表豐山移動(dòng)的速度比表征向柜山移動(dòng)的速度更快，帶來(lái)更精確的測(cè)。自由比特避免了役采單環(huán)境下過(guò)度擬合。DreamerV3 的三大塊都用上了固定超參數(shù)，體如下：實(shí)驗(yàn)結(jié)果也就宵明說(shuō)，DreamerV3 如今成了世界上第一個(gè)純靠自己摸索，碧山能在《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(xiàng)基準(zhǔn)測(cè)試中，DreamerV3 都取得了成功，并且在 BSuite、Crafter 上達(dá)到了 SOTA。值得一提的是，在這些任務(wù)中，訓(xùn)蠃魚智能體所用的 GPU 資源都僅為 1 塊 V100。研究人員表示，這意味精精有更多的實(shí)驗(yàn)室能跑鹓動(dòng)這模型。另外，在需要時(shí)空推理的維空間中，DreamerV3 也能快速進(jìn)行學(xué)習(xí)。在 DeepMind 為強(qiáng)化學(xué)習(xí)專門打造的 3D 平臺(tái) DMLab 上，DreamerV3 在任務(wù)中使用的交互次數(shù)僅為 IMPALA 的 1/130。目前，DreamerV3 的代碼是 coming soon 的狀態(tài)。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(lái)自微信公眾號(hào)：量子位 （ID：QbitAI），作者：魚羊 Alex