Permainan video terbukti menjadi alasan ujian yang tidak ternilai untuk penyelidikan AI canggih, terutamanya dalam pembangunan agen autonomi dan robot dunia nyata, bahkan berpotensi menyumbang kepada pencarian kecerdasan umum buatan (AGI).

Pada Persidangan Pemaju Permainan tahun ini, Google DeepMind mempamerkan penyelidikannya mengenai ejen multiworld yang boleh dipercayai (SIMA). Penyelidikan ini meneroka keupayaan mesin untuk belajar dan menavigasi dalam persekitaran 3D kompleks permainan video. Secara kritis, pengetahuan yang diperoleh dalam satu persekitaran permainan kemudiannya boleh digunakan untuk senario dan tugas yang sama sekali berbeza, menunjukkan kebolehsuaian dan kemahiran menyelesaikan masalah menggunakan alat yang ada.

Walaupun seolah -olah mudah, penyelidikan ini memegang implikasi yang signifikan untuk masa depan agentik AI dalam konteks profesional dan peribadi. Mari kita meneroka kesannya yang berpotensi dan pertimbangkan sama ada ia akhirnya boleh membawa kepada penciptaan mesin yang mampu menyesuaikan diri dengan manusia.

Dunia maya: tanah latihan

Permainan video menawarkan pelbagai cabaran dan tugas yang hampir tidak terbatas, menjadikannya sesuai untuk latihan AI. Penggunaan konsisten set alat standard (diakses melalui pengawal permainan) mencerminkan bagaimana agen AI memilih dari alat yang telah ditetapkan untuk menyelesaikan masalah. Selain itu, dunia permainan menyediakan persekitaran yang selamat, boleh dilihat, dan berskala untuk bereksperimen dengan pembolehubah dan tingkah laku dengan kos yang minimum.

Simas Deepmind dilatih di sembilan persekitaran permainan video yang pelbagai, termasuk tajuk seperti No Man's Sky , Valheim , dan Simulator Kambing . Diarahkan menggunakan arahan bahasa semulajadi ("Ambil Kunci," "Bergerak ke Bangunan Biru"), ejen -ejen ini menunjukkan keupayaan pembelajaran pemindahan yang luar biasa - menggunakan pengetahuan yang diperoleh dalam satu permainan untuk meningkatkan prestasi pada orang lain. Malah, ejen yang dilatih dalam lapan perlawanan dilakukan lebih baik pada permainan kesembilan, tidak terlatih, daripada ejen yang hanya dilatih dalam permainan tunggal itu.

Keupayaan pembelajaran dinamik ini penting untuk ejen AI masa depan yang bekerja bersama manusia, membantu dalam penyelesaian masalah dunia yang kompleks.

Merapatkan jurang ke robot fizikal

Perkembangan robot fizikal yang mampu melaksanakan tugas-tugas dunia nyata telah dipercepat, didorong oleh kemajuan dalam AI. Walau bagaimanapun, kos latihan khusus yang tinggi telah membatasi penggunaannya terutamanya kepada syarikat besar.

Persekitaran permainan maya menawarkan penyelesaian yang berpotensi untuk halangan kos ini. Pembelajaran yang boleh dipindahkan membolehkan robot fizikal menyesuaikan penggunaan alat (tangan, lengan, dll) kepada pelbagai cabaran fizikal, bahkan yang sebelumnya tidak kelihatan. Robot yang dilatih untuk memanipulasi objek di gudang mungkin, sebagai contoh, juga belajar untuk membantu dalam pembinaan.

Projek Dactyl Openai, tangan robot yang dilatih dalam persekitaran maya untuk menyelesaikan kiub Rubik, memberikan demonstrasi awal potensi ini. Begitu juga, platform Isaac Nvidia memberi tumpuan kepada membolehkan robot belajar dan menyesuaikan diri dengan tugas-tugas dunia sebenar dalam persekitaran maya.

Pada masa ini, robot dibantu AI digunakan dalam pelbagai sektor (pergudangan, pertanian, penjagaan kesihatan, penghantaran), tetapi sering melaksanakan tugas yang terlatih secara khusus dengan perbelanjaan yang besar. Walau bagaimanapun, kemunculan robot yang lebih berpatutan, seperti Robot Humanoid Optimus dan Unitree Tesla, menunjukkan bahawa integrasi robot berkuasa AI yang maju ke dalam kehidupan seharian semakin cepat mendekati.

Jalan menuju AGI?

Keupayaan untuk merenungkan pengetahuan dan menerapkannya kepada pelbagai tugas, ciri kecerdasan manusia, kini sedang diterokai di AI. Kejayaan ejen seperti Simas DeepMind dalam memindahkan pembelajaran di seluruh persekitaran permainan maya menunjukkan potensi untuk mencapai kecerdasan umum buatan (AGI). Keupayaan mereka untuk membina dan menggunakan kecekapan kepada masalah baru menunjukkan langkah penting ke arah matlamat yang bercita -cita tinggi ini.

Syarikat -syarikat AI terkemuka seperti Google, Openai, Anthropic, dan Microsoft semuanya menyatakan AGI sebagai objektif utama mereka. Penekanan semasa pada titik kecerdasan agentik ke arah AGI sebagai langkah seterusnya yang logik. Bolehkah permainan video, oleh itu, memegang sekeping teka -teki AGI yang penting?

Atas ialah kandungan terperinci Ejen AI bermain permainan video akan mengubah robot masa depan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!