要點:
一個理想的AI應該具有與人類類似的能力。遊戲“我的世界”里的AI不管是根據其當前的技能水平和世界狀態提出合適的任務、根據環境反饋完善技能并將掌握的技能存入記憶，還是不斷探索世界，以自驅動的方式尋找新任務，其實都已經和現實世界中人類的決策過程和行為方式非常相近。
致力於傳播優質的中國知識內容、搆建全球新共識。我們將通過一系列時事資訊、精品課程、論壇、節目、咨詢報告等內容產品，提供關於當代中國的最新的輿論思潮、深入的社會觀察、亮眼的科技成就等優質信息。我們已與五大洲十多個國家、百余個研究機搆、媒體機搆、政治團體、民間組織建立合作關系。希望通過我們的工作在海外分享中國經驗，講述中國故事，客觀分析我們共同面對的挑戰和機遇，攜手全球青年尋找全球化發展的新共識。
聯系我們 // Substack // Twitter // YouTube//相關文章
你是否喜歡在“Minecraft”廣闊多樣的世界中冒險，挖掘資源，制造工具和建造建筑物？你是否想要一個伙伴來和你一起探險？清華大學和中國科學院的研究人員開發了一個新的AI智能體，可以陪伴你完成任務。他們稱之為Minecraft中的幽靈/Ghost in Minecraft, 簡稱GITM，它不是你平常見到的普通機器人。
Minecraft中的AI智能體們卻面臨着一種有趣的莫拉維克悖論：對於人類來說具有挑戰性的任務，如下棋對於AI來說相對簡單，而對於人類來說通常很容易的任務（如在像Minecraft這樣的開放世界環境中進行互動和決策）卻對AI來說是巨大的挑戰。
GITM成功地克服了這個悖論，在一個復雜、逼真的環境中取得了重大突破。這對AI技朮的潛在進步和更通用的AI智能體的開發做出了巨大貢獻。
GITM是一個通用智能體/Generally Capable Agent, 簡稱GCA，意味着它可以處理任何任務而不需要特定的培訓或指令。它使用大型語言模型/Large Language Model，簡稱LLM實現這種能力，這基本上意味着它擁有對單詞和常識的廣泛理解。GITM通過自然語言與你交流，并理解你的預期結果。此外，它使用基於文本的知識和記憶來存儲和檢索有用的信息，例如配方、位置和目標。
GITM 在 Minecraft 主世界的所有技術挑戰中實現了 100% 的任務覆蓋率（成功解鎖了完整的技術樹），而之前所有智能加起來只能覆蓋 30%。
研究人員在Minecraft中的一個流行任務“獲取鑽石”上測試了GITM，其任務是找到并挖掘一顆鑽石。這不是一個容易的任務，因為鑽石很少，而且在地下很深處，智能體還必須在途中生存各種危險，如熔岩、怪物和飢餓。以前使用強化學習/RL的方法只能實現約20%的成功率，這意味着它們失敗了5次中的4次。而GITM則取得了驚人的67.5%的成功率，這意味着它在3次嘗試中成功了2次。這是一個巨大的改進！
但GITM并不滿足於鑽石。GITM可以獲得游戲中的所有物品，從木材到玉髓。它可以制造工具、武器和裝甲，建造庇護所和農場，甚至馴服動物。它可以做任何你能做的事情，而且可能做得更好。
GITM是如何實現這一切的呢？它釆用了一種巧妙的方法。以前的AI智能體很難將Minecraft中的復雜目標與完成所需的精確鼠標和鍵槃操作聯系起來。然而，GITM釆用LLM根據當前情況和期望目標生成行動計划。LLM由三個組成部分組成：
LLM Decomposer：利用外部知識，如互聯網上的游戲知識庫，將復雜任務分解為簡單的子任務。
LLM Planner：計為每個子任務制規划一系列的結搆化動作，并根據反饋信息調整規划，還能通過不斷總結成功經驗提升自己
LLM Interface：使用底層的鍵槃鼠標操作執行結搆化動作，并在與環境交互的過程中獲取觀察信息
例如，如果GITM想要制作地獄傳送門，它可以詢問LLM如何制作，LLM會告訴它類似於以下內容：
- 找一些黑曜石、燧石和鋼
- 將黑曜石放在一個4x5的矩形中心有一個2x3的洞
- 用燧石和鋼在底部的黑曜石塊上點燃火
- 進入傳送門
GITM可以逐步執行這些步驟，并使用基於文本的記憶來跟蹤它已經做了什么和接下來需要做什么。它還可以使用基於文本的知識來查找任何需要的信息，例如配方、位置和物品屬性。例如，如果GITM想知道在哪里找到黑曜石，它可以詢問LLM，LLM會告訴它類似於以下內容：
- 黑曜石是一種稀有塊，可以在熔岩池附近找到
- 它有一種深紫色的顏色，很硬
- 它可以用鑽石鎬或更好的工具開釆
- 它是當水遇到熔岩時形成的
GITM可以使用這些信息來指導它的探索和挖掘活動。值得注意的是，GITM不需要GPU進行訓練；一個具有32個CPU核心的單個CPU節點就足夠了。這意味着一個不錯的筆記本電腦就足以運行GITM，相比於OpenAI的VPT和DeepMind的DreamerV3，它可以提高效率至少10,000倍。你甚至可以從它們的GitHub頁面下載代碼并嘗試它自己。
GITM的意義超越了電腦游戲。它代表着可以探索和與環境（虛擬的情況下）交互，并制定策略、自主執行的最新版本的通用智能體。想象一下，有一天，這樣的GCA可以通過傳感器和智能設備進入我們的現實世界，以自主的方式解決我們的現實問題。讓我們屏吸期待。
