給游戲行業(yè)來點(diǎn)GPT-4式震撼？這個(gè)叫Voyager的智能體不僅可以根據(jù)游戲的反饋?zhàn)灾饔?xùn)練，而且還能自行寫代碼推動(dòng)游戲任務(wù)。
編者按：本文來自微信公眾號(hào) 新智元（ID：AI_era），作者：新智元，創(chuàng)業(yè)邦經(jīng)授權(quán)發(fā)布。
(資料圖片僅供參考)
給游戲行業(yè)來點(diǎn)GPT-4式震撼？這個(gè)叫Voyager的智能體不僅可以根據(jù)游戲的反饋?zhàn)灾饔?xùn)練，而且還能自行寫代碼推動(dòng)游戲任務(wù)。
繼斯坦福的25人小鎮(zhèn)后，AI智能體又出爆款新作了。
最近，英偉達(dá)首席科學(xué)家Jim Fan等人把GPT-4整進(jìn)了「我的世界」（Minecraft）——提出了一個(gè)全新的AI智能體Voyager。
Voyager的厲害之處在于，它不僅性能完勝AutoGPT，而且還可以在游戲中進(jìn)行全場(chǎng)景的終身學(xué)習(xí)！
比起之前的SOTA，Voyager獲得的物品多出了3.3倍，旅行距離變長(zhǎng)了2.3倍，解鎖關(guān)鍵技能樹的速度快了15.3倍。
對(duì)此，網(wǎng)友直接震驚了：我們離通用人工智能AGI，又近了一步。
所以，未來的游戲，就是由大模型帶動(dòng)NPC來玩的吧？
真·數(shù)字生命
接入GPT-4之后，Voyager根本不用人類操心，完全就是自學(xué)成才。
它不僅掌握了挖掘、建房屋、收集、打獵這些基本的生存技能，還學(xué)會(huì)了自個(gè)進(jìn)行開放式探索。
它會(huì)自己去到不同的城市，路過一片片海洋，一座座金字塔，甚至還會(huì)自己搭建傳送門。
通過自我驅(qū)動(dòng)，它不斷探索著這個(gè)神奇的世界，擴(kuò)充著自己的物品和裝備，配備不同等級(jí)的盔甲，用盾牌格擋上海，用柵欄圈養(yǎng)動(dòng)物……
Voyager的英勇事跡包括但不限于——
大戰(zhàn)末影人
造基地
挖紫水晶
挖金子
收集仙人掌
打獵
釣魚
數(shù)字生命的潛能究竟有多大？我們只知道，現(xiàn)在Voyager仍然在Minecraft中一刻不停地探索，不斷擴(kuò)展著自己的疆域。
「訓(xùn)練」無需梯度下降
此前，AI領(lǐng)域的一大挑戰(zhàn)就是，構(gòu)建具有通用能力的具身智能體，讓它們?cè)陂_放世界中自主探索，自行發(fā)展新技能。
以往，學(xué)界都是采用強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)，但這些方法在系統(tǒng)化的探索、可解釋性和泛化性等方面，表現(xiàn)往往差強(qiáng)人意。
大語言模型的出現(xiàn)，給構(gòu)建具身智能體帶來了全新的可能性。因?yàn)榛贚LM的智能體可以利用預(yù)訓(xùn)練模型中蘊(yùn)含的世界知識(shí)，生成一致的行動(dòng)計(jì)劃或可執(zhí)行策略，這就非常適合應(yīng)用于游戲和機(jī)器人之類的任務(wù)。
此前，斯坦福研究者構(gòu)建出生活著25個(gè)AI智能體的虛擬小鎮(zhèn)，震驚了AI社區(qū)
這種智能體還有一個(gè)好處就是，不需要具體化的自然語言處理任務(wù)。
然而，這些智能體仍然無法擺脫這樣的缺陷——無法終身學(xué)習(xí)，因而不能在較長(zhǎng)時(shí)間跨度上逐步獲取知識(shí)，并且將它們積累下來。
而這項(xiàng)工作最重要的意義就在于，GPT-4開啟了一種新的范式：這個(gè)過程中是靠代碼執(zhí)行「訓(xùn)練」，而非靠梯度下降。
Jim Fan解釋道：我們?cè)贐abyAGI/AutoGPT之前就有了這個(gè)想法，花了很多時(shí)間找出最好的無梯度架構(gòu)
「訓(xùn)練模型」是Voyager迭代式構(gòu)建的技能代碼庫(kù)，而非浮點(diǎn)數(shù)矩陣。通過這種方法，團(tuán)隊(duì)正在將無梯度架構(gòu)推向極限。
在這種情況下訓(xùn)練出的智能體，已經(jīng)具備了同人類一樣的終身學(xué)習(xí)能力。
比如，Voyager如果發(fā)現(xiàn)自己處在沙漠而非森林中，就會(huì)知道學(xué)會(huì)收集沙子和仙人掌就比學(xué)會(huì)收集鐵礦更重要。
而且，它不僅能根據(jù)目前的技能水平和世界狀態(tài)明確自己最合適的任務(wù)，還能根據(jù)反饋不斷完善技能，保存在記憶中，留在下次調(diào)用。
所以，我們離硅基生命出現(xiàn)還有多遠(yuǎn)？
剛剛回到OpenAI的Karpathy對(duì)這個(gè)工作表示盛贊：這是個(gè)用于高級(jí)技能的「無梯度架構(gòu)」。在這里，LLM就相當(dāng)于是前額葉皮層，通過代碼生成了較低級(jí)的mineflayer API。
Karpathy回憶起，在2016年左右，智能體在Minecraft環(huán)境中的表現(xiàn)還很讓人絕望。當(dāng)時(shí)的RL只能從超稀疏的獎(jiǎng)勵(lì)中隨機(jī)地探索執(zhí)行長(zhǎng)期任務(wù)的方式，讓人感覺非常stuck。
而現(xiàn)在，這個(gè)障礙已經(jīng)在很大程度上被解除了——正確的做法是另辟蹊徑，首先訓(xùn)練LLM從互聯(lián)網(wǎng)文本上學(xué)習(xí)世界知識(shí)、推理和工具使用（尤其是編寫代碼），然后直接把問題拋給它們。
最后他感慨道：如果我在2016年就讀到這種對(duì)智能體的「無梯度」方法，我肯定會(huì)大吃一驚。
微博大V「寶玉xp」也對(duì)這個(gè)工作給予了高度評(píng)價(jià)——
Voyager
與其他AI研究中常用的游戲不同，Minecraft并沒有強(qiáng)加預(yù)定義的終點(diǎn)目標(biāo)或固定的劇情線，而是提供了一個(gè)具有無盡可能性的游樂場(chǎng)。
對(duì)于一個(gè)有效的終身學(xué)習(xí)智能體來說，它應(yīng)該具有與人類玩家類似的能力：
1. 根據(jù)其當(dāng)前的技能水平和世界狀態(tài)提出適當(dāng)?shù)娜蝿?wù)，例如，如果它發(fā)現(xiàn)自己是在沙漠而不是森林中，就會(huì)在學(xué)習(xí)收集鐵之前學(xué)習(xí)收集沙子和仙人掌
2. 基于環(huán)境反饋來完善技能，并將掌握的技能記入記憶，以便在類似情況下重復(fù)使用（例如，與僵尸戰(zhàn)斗與與蜘蛛戰(zhàn)斗類似）
3. 持續(xù)探索世界，以自我驅(qū)動(dòng)的方式尋找新的任務(wù)。
為了讓Voyager具有上述這些能力，來自英偉達(dá)、加州理工學(xué)院、得克薩斯大學(xué)奧斯汀分校和亞利桑那州立大學(xué)的團(tuán)隊(duì)提出了3個(gè)關(guān)鍵組件：
1. 一個(gè)迭代提示機(jī)制，能結(jié)合游戲反饋、執(zhí)行錯(cuò)誤和自我驗(yàn)證來改進(jìn)程序
2. 一個(gè)技能代碼庫(kù)，用來存儲(chǔ)和檢索復(fù)雜行為
3. 一個(gè)自動(dòng)教程，可以最大化智能體的探索
首先，Voyager會(huì)嘗試使用一個(gè)流行的Minecraft JavaScript API（Mineflayer）來編寫一個(gè)實(shí)現(xiàn)特定目標(biāo)的程序。
雖然程序在第一次嘗試時(shí)就出錯(cuò)了，但是游戲環(huán)境反饋和JavaScript執(zhí)行錯(cuò)誤（如果有的話）會(huì)幫助GPT-4改進(jìn)程序。
通過提供智能體當(dāng)前的狀態(tài)和任務(wù)，GPT-4會(huì)告訴程序是否完成了任務(wù)。
此外，如果任務(wù)失敗了，GPT-4還會(huì)提出批評(píng)，建議如何完成任務(wù)。
自我驗(yàn)證
其次，Voyager通過在向量數(shù)據(jù)庫(kù)中存儲(chǔ)成功的程序，逐步建立一個(gè)技能庫(kù)。每個(gè)程序可以通過其文檔字符串的嵌入來檢索。
復(fù)雜的技能是通過組合簡(jiǎn)單的技能來合成的，這會(huì)使Voyager的能力隨著時(shí)間的推移迅速增長(zhǎng)，并緩解災(zāi)難性遺忘。
第三，自動(dòng)課程會(huì)根據(jù)智能體當(dāng)前的技能水平和世界狀態(tài)，提出合適的探索任務(wù)。
例如，如果它發(fā)現(xiàn)自己在沙漠而非森林中，就學(xué)習(xí)采集沙子和仙人掌，而不是鐵。
具體來說，課程是由GPT-4基于「發(fā)現(xiàn)盡可能多樣化的東西」這個(gè)目標(biāo)生成的。
自動(dòng)課程
實(shí)驗(yàn)
接下來，讓我們看一些實(shí)驗(yàn)！
團(tuán)隊(duì)將Voyager與其他基于LLM的智能體技術(shù)進(jìn)行了系統(tǒng)性的比較，比如ReAct、Reflexion，以及在Minecraft中廣受歡迎的AutoGPT。
在160次提示迭代中，Voyager發(fā)現(xiàn)了63個(gè)獨(dú)特的物品，比之前的SOTA多出3.3倍。
尋求新奇的自動(dòng)課程自然會(huì)驅(qū)使Voyager進(jìn)行廣泛的旅行。即使沒有明確的指示，Voyager也會(huì)遍歷更長(zhǎng)的距離（2.3倍），訪問更多的地形。
相比之下，之前的方法就顯得非常「懶散」了，經(jīng)常會(huì)在一小片區(qū)域里兜圈子。
地圖探索率
那么，經(jīng)過終身學(xué)習(xí)后的「訓(xùn)練模型」——技能庫(kù)，表現(xiàn)如何呢？
團(tuán)隊(duì)清空了物品/護(hù)甲，生成了一個(gè)新的世界，并用從未見過的任務(wù)對(duì)智能體進(jìn)行了測(cè)試。
可以看到，Voyager解決任務(wù)的速度明顯比其他方法更快。
值得注意的是，從終身學(xué)習(xí)中構(gòu)建的技能庫(kù)不僅提高了Voyager的性能，也提升了AutoGPT的性能。
這表明，技能庫(kù)作為一種通用工具，可以有效地作為一個(gè)即插即用的方法來提高性能。
零樣本泛化
此外，與其他方法相比，Voyager在解鎖木工具上快了15.3倍，石工具快8.5倍，鐵工具快6.4倍。而且擁有技能庫(kù)的Voyager是唯一解鎖鉆石工具的。
技能樹掌握情況（木工具 → 石工具 → 鐵工具 → 鉆石工具）
目前，Voyager只支持文本，但在未來可以通過視覺感知進(jìn)行增強(qiáng)。
在團(tuán)隊(duì)進(jìn)行的一個(gè)初步研究中，人類可以像一個(gè)圖像標(biāo)注模型一樣，向智能體提供反饋。
從而讓Voyager能夠構(gòu)建復(fù)雜的3D結(jié)構(gòu)，比如地獄門和房子。
結(jié)果表明，Voyager的性能優(yōu)于所有替代方案。此外，GPT-4在代碼生成方面也明顯優(yōu)于GPT-3.5。
消融實(shí)驗(yàn)
結(jié)論
Voyager是第一個(gè)由LLM驅(qū)動(dòng)、可以終身學(xué)習(xí)的具身智能體。它可以利用GPT-4不停地探索世界，開發(fā)越來越復(fù)雜的技能，并始終能在沒有人工干預(yù)的情況下進(jìn)行新的發(fā)現(xiàn)。
在發(fā)現(xiàn)新物品、解鎖Minecraft技術(shù)樹、穿越多樣化地形，以及將其學(xué)習(xí)到的技能庫(kù)應(yīng)用于新生成世界中的未知任務(wù)方面，Voyager表現(xiàn)出了優(yōu)越的性能。
對(duì)于通用智能體的開發(fā)來說，無需調(diào)整模型參數(shù)的Voyager是可以作為一個(gè)起點(diǎn)的。