上周，英偉達和國內幾家科研機構幾乎同時發(fā)布了兩篇相似的論文。首先是英偉達宣布開發(fā)了一個名為“VOYAGER”的全新游戲AI智能體，該智能體將AI大模型GPT-4整合到《我的世界》游戲中。基于GPT-4，VOYAGER能夠在《我的世界》中擴充自己的物品和裝備，完成建造、work、收集等基本生存技能，并且可以獨立進行開放式探索，前往不同的城市和地點，甚至搭建傳送門。

英偉達表示，VOYAGER在《我的世界》中的物品增加了3.3倍，旅行距離增加了2.3倍，解鎖關鍵技能樹的速度也比之前的方法快了15.3倍。接著，商湯科技聯(lián)合清華大學、上海人工智能實驗室等機構發(fā)布了通才AI智能體“Ghost in the Minecraft（GITM）”。同樣將大語言模型（LLM）整合到《我的世界》中，GITM在《我的世界》的主世界中實現(xiàn)了100%的任務覆蓋率，成功通關解鎖了完整的科技樹，而此前所有智能體的總和只能覆蓋30%。此外，在“獲取鉆石”任務上，GITM的成功率達到67.5%，相比之前的最佳成績，即OpenAI的VPT方法，提高了47.5%。

GITM在《我的世界》中的任務覆蓋率遠高于現(xiàn)有的AI智能體。雖然這些論文中涉及了一些技術細節(jié)，但我們可以先不談論它們。為什么他們會不約而同地選擇《我的世界》作為實驗平臺呢？

《我的世界》已經成為訓練AI的理想場所。在過去的幾年中，許多AI都在《我的世界》中進行了訓練。著名的莫拉維克悖論指出，對于人類而言困難的任務（如下棋）對AI來說很簡單，而對人類來說相對簡單的任務（如在開放世界中與環(huán)境交互、進行規(guī)劃和決策）對AI來說卻是巨大挑戰(zhàn)。正是因為這種情況的存在，早在AI發(fā)展不像現(xiàn)在這么成熟的幾年前，科學家們就開始在《我的世界》中使用AI完成一些簡單的任務。

繼續(xù)訓練AI的原因之一是《我的世界》提供了一個廣闊的、復雜的開放世界環(huán)境，讓科學家們能夠挑戰(zhàn)AI在規(guī)劃、決策和與環(huán)境交互等方面的能力。在過去的幾年里，許多科學家和研究機構都選擇在《我的世界》中進行AI訓練。

2019年，F(xiàn)acebook開發(fā)了一款名為"craftassist bot"的AI助手，可以執(zhí)行玩家指定的各種任務，如建造城市、與村民交互等。同年，卡內基·梅隆大學、微軟、DeepMind和OpenAI聯(lián)合舉辦了名為"MineRL"的《我的世界》AI比賽。這些活動都標志著AI在《我的世界》中的應用逐漸從簡單的指令執(zhí)行發(fā)展到更復雜的任務。

隨著時間的推移，越來越多的公司和研究機構開始在《我的世界》中訓練AI。美國國防高級研究計劃局（DARPA）在2020年啟動了ADAPT項目，旨在利用AI協(xié)助指揮官進行決策。Aptima公司利用《我的世界》訓練AI與人類進行互動。哥本哈根信息技術大學、紐約大學和上海大學的研究者使用3D神經元胞自動機系統(tǒng)在《我的世界》中創(chuàng)建了復雜的實體。

去年，OpenAI通過引入視頻預訓練法成功訓練出熟練的《我的世界》AI，掌握了高階玩法。此外，DeepMind開發(fā)了名為"DreamerV3"的AI智能體，在《我的世界》中摸爬滾打17天，學會了如何挖鉆石。這些成果的取得證明了《我的世界》作為AI訓練場所的價值。

《我的世界》是一款受歡迎的游戲，具有廣泛的玩家基礎。其開放世界的游戲屬性使其成為科學家們訓練AI的理想場所。與其他游戲相比，如LOL和王者榮耀等單一的戰(zhàn)略對戰(zhàn)游戲，《我的世界》的游戲過程更為復雜，挑戰(zhàn)了AI的極限。

《我的世界》不預先設定目標，提供了兩種模式：生存和創(chuàng)造。在生存模式中，玩家需要通過采集資源、建造和生存來維持自己的生活。這種自由度很大程度上反映了現(xiàn)實世界的復雜性，給AI提供了更多的學習和適應的機會。

此外，《我的世界》的游戲世界是無限生成的，擁有各種地形、生物和物品。這種多樣性使得AI在游戲中面臨各種挑戰(zhàn)，需要具備多樣的技能和決策能力。AI必須能夠規(guī)劃路徑、進行資源管理、解決問題和與環(huán)境進行交互，這些都是現(xiàn)實世界中重要的技能。

另一個重要的因素是《我的世界》的社交性質。玩家可以在游戲中與其他玩家進行合作或競爭。這種社交互動提供了一種機會，讓AI學會與人類合作、協(xié)調和競爭。這對于AI在未來實際應用中的發(fā)展至關重要。

1.引入大語言模型（LLM）：與以往基于《我的世界》訓練的AI相比，本次開發(fā)采用了大語言模型作為核心訓練方法。這一方法能夠使AI自主驅動地探索并掌握廣泛的技能，從而更好地模擬人類的學習過程。

2.自主驅動的探索：通過大語言模型的訓練方法，AI可以根據(jù)總體目標提出問題并自動生成多個小任務。它通過存儲有助于解決任務的行動程序，逐漸建立起技能庫。當面臨相似任務時，AI可以根據(jù)描述從技能庫中檢索相關知識。這使得AI能夠自主驅動地探索和應對各種情況。

3.終身學習者：大語言模型方法使得AI能夠在較長時間跨度內逐步獲取、更新、積累和遷移知識。它能夠緩解傳統(tǒng)持續(xù)學習方法中的“災難性遺忘”，更好地適應新環(huán)境和任務。

4.類人類決策過程和行為方式：通過訓練和自主探索，《我的世界》中的AI能夠根據(jù)當前技能水平和世界狀態(tài)提出合適的任務，完善技能并存儲已掌握的技能。它還能夠自主探索世界，并以類似于人類的決策過程和行為方式進行行動。這使得AI在決策和行為上與人類非常相似。

5.面向現(xiàn)實世界的推測：AI能夠通關《我的世界》表明它在該虛擬環(huán)境中具備高度適應能力。這引發(fā)了人們對于AI在現(xiàn)實世界中的潛在能力的思考。未來，AI可能能夠像人類一樣生活、具備各種技能，并且具有自己的想法，使人們難以區(qū)分其與真實人類的區(qū)別。

綜上所述，通過大語言模型方法在《我的世界》中訓練出的AI更接近于真實人類，具備自主學習、決策和行動的能力。這種訓練方法的發(fā)展也引發(fā)了對于AI在現(xiàn)實世界中潛在應用的思考和想象。