SG.hu
Megtanították Minecraftozni a GPT-4 mesterséges intelligenciát
A ChatGPT alapjául szolgáló technológia messze nem csak beszélgetni képes.
Linxi "Jim" Fan, az Nvidia MI-kutatója néhány kollégájával együtt kitalálta, hogyan lehet a nagy teljesítményű GPT-4 nyelvi modellt - a ChatGPT és egyre több más alkalmazás és szolgáltatás mögött álló "agyat" - a Minecraft videojátékban hasznosítani. Az Nvidia csapata - amelynek tagja volt Anima Anandkumar, a vállalat gépi tanulásért felelős igazgatója és a Caltech professzora - létrehozta a Voyager nevű Minecraft-robotot, amely a GPT-4-et használja a játékon belüli problémák megoldására. A nyelvi modell olyan célokat generál, amelyek segítenek az ágensnek felfedezni a játékot, és olyan kódot készít, amely idővel javítja a robot játékban való jártasságát. A Voyager nem úgy játszik a játékkal, mint egy ember, hanem egy API-n keresztül közvetlenül képes hozzáférni a játékhoz.
Ha például a karakternek adnak egy horgászbotot, és van egy folyó a közelben, a GPT-4 javasolhatja, hogy a tapasztalatszerzés érdekében kezdjen el horgászni. Ezután a GPT-4 legenerálja a kódot, amely ahhoz szükséges, hogy a karakter elérje a célt. A projekt innovációja ez GPT-4 által készített kód, mely ha nem jó, a Voyager megpróbálja finomítani azt a hibaüzenetek, a játék visszajelzései és a GPT-4 által generált kód leírása segítségével. Idővel a Voyager felépít egy kódkönyvtárat, és megtanul egyre összetettebb dolgokat készíteni, és egyre többet fedez fel a játékból. A kutatók készítettek egy grafikát, hogy a Voyager más Minecraft-ügynökökhöz képest milyen képességekkel rendelkezik: több mint háromszor annyi tárgyat tud szerezni, kétszer olyan messzire jut és 15-ször gyorsabban épít eszközöket, mint más MI-modellek. A fejlesztők szerint a jövőben még tovább fejleszthető azáltal, ha a rendszerbe a játékból származó vizuális információkat is beépítik.
A Voyager azt példázza, hogy a nyelvi modellekben hatalmas lehetőségek rejlenek hasznos műveletek elvégzésére. A nyelvi modellek ilyen módon történő használata számos rutinszerű irodai feladatot automatizálhat. A folyamat, amelyet a Voyager a GPT-4 segítségével használ, hogy kitalálja, hogyan kell a Minecraftban dolgozni, adaptálható egy olyan szoftveres asszisztenshez, amely kitalálja, hogyan lehet automatizálni a feladatokat a számítógép vagy az okostelefon operációs rendszerén keresztül. Az OpenAI - a ChatGPT-t létrehozó startup - olyan "bővítményeket" adott a bothoz, amelyek lehetővé teszik, hogy interakcióba lépjen olyan online szolgáltatásokkal, mint például egy élelmiszer-kiszállítási alkalmazás.
A videojátékok persze már régóta szolgálnak az MI-algoritmusok tesztelésére. Az AlphaGo nevű gépi tanulási program - amely 2016-ban a japán Go játékra hoztak létre - egyszerű Atari-videojátékokon lett tesztelve. A megerősítéses tanulásnak nevezett technikát használta, amely egy algoritmust úgy képez ki, hogy pozitív és negatív visszajelzéseket ad neki, például a játékon belüli pontszámból. Ezzel a módszerrel azonban nem lehet egy ágenst irányítani egy olyan nyílt végű játékban, mint a Minecraft, ahol nincs pontszám vagy célrendszer, és ahol a játékos cselekedetei csak jóval később kifizetődőek. Akár úgy gondoljuk, hogy már most fel kell készülnünk a mesterséges intelligencia jelentette egzisztenciális fenyegetés megfékezésére, akár nem, a Minecraft kiváló játszótérnek tűnik a technológia számára.
Linxi "Jim" Fan, az Nvidia MI-kutatója néhány kollégájával együtt kitalálta, hogyan lehet a nagy teljesítményű GPT-4 nyelvi modellt - a ChatGPT és egyre több más alkalmazás és szolgáltatás mögött álló "agyat" - a Minecraft videojátékban hasznosítani. Az Nvidia csapata - amelynek tagja volt Anima Anandkumar, a vállalat gépi tanulásért felelős igazgatója és a Caltech professzora - létrehozta a Voyager nevű Minecraft-robotot, amely a GPT-4-et használja a játékon belüli problémák megoldására. A nyelvi modell olyan célokat generál, amelyek segítenek az ágensnek felfedezni a játékot, és olyan kódot készít, amely idővel javítja a robot játékban való jártasságát. A Voyager nem úgy játszik a játékkal, mint egy ember, hanem egy API-n keresztül közvetlenül képes hozzáférni a játékhoz.
Ha például a karakternek adnak egy horgászbotot, és van egy folyó a közelben, a GPT-4 javasolhatja, hogy a tapasztalatszerzés érdekében kezdjen el horgászni. Ezután a GPT-4 legenerálja a kódot, amely ahhoz szükséges, hogy a karakter elérje a célt. A projekt innovációja ez GPT-4 által készített kód, mely ha nem jó, a Voyager megpróbálja finomítani azt a hibaüzenetek, a játék visszajelzései és a GPT-4 által generált kód leírása segítségével. Idővel a Voyager felépít egy kódkönyvtárat, és megtanul egyre összetettebb dolgokat készíteni, és egyre többet fedez fel a játékból. A kutatók készítettek egy grafikát, hogy a Voyager más Minecraft-ügynökökhöz képest milyen képességekkel rendelkezik: több mint háromszor annyi tárgyat tud szerezni, kétszer olyan messzire jut és 15-ször gyorsabban épít eszközöket, mint más MI-modellek. A fejlesztők szerint a jövőben még tovább fejleszthető azáltal, ha a rendszerbe a játékból származó vizuális információkat is beépítik.
A Voyager azt példázza, hogy a nyelvi modellekben hatalmas lehetőségek rejlenek hasznos műveletek elvégzésére. A nyelvi modellek ilyen módon történő használata számos rutinszerű irodai feladatot automatizálhat. A folyamat, amelyet a Voyager a GPT-4 segítségével használ, hogy kitalálja, hogyan kell a Minecraftban dolgozni, adaptálható egy olyan szoftveres asszisztenshez, amely kitalálja, hogyan lehet automatizálni a feladatokat a számítógép vagy az okostelefon operációs rendszerén keresztül. Az OpenAI - a ChatGPT-t létrehozó startup - olyan "bővítményeket" adott a bothoz, amelyek lehetővé teszik, hogy interakcióba lépjen olyan online szolgáltatásokkal, mint például egy élelmiszer-kiszállítási alkalmazás.
A videojátékok persze már régóta szolgálnak az MI-algoritmusok tesztelésére. Az AlphaGo nevű gépi tanulási program - amely 2016-ban a japán Go játékra hoztak létre - egyszerű Atari-videojátékokon lett tesztelve. A megerősítéses tanulásnak nevezett technikát használta, amely egy algoritmust úgy képez ki, hogy pozitív és negatív visszajelzéseket ad neki, például a játékon belüli pontszámból. Ezzel a módszerrel azonban nem lehet egy ágenst irányítani egy olyan nyílt végű játékban, mint a Minecraft, ahol nincs pontszám vagy célrendszer, és ahol a játékos cselekedetei csak jóval később kifizetődőek. Akár úgy gondoljuk, hogy már most fel kell készülnünk a mesterséges intelligencia jelentette egzisztenciális fenyegetés megfékezésére, akár nem, a Minecraft kiváló játszótérnek tűnik a technológia számára.