玩游戏的人工智能模型已经存在了几十年,但它们通常专注于一场游戏并专注于获胜。研究人员 谷歌 Deepmind 有一个不同的目标:创建一个模型,学习像人类一样玩多个 3D 游戏,同时尽力理解您的口头指令并采取行动。他们引入了 SIMA 模型,该模型代表可扩展、可指导、多世界代理,目前正在研究中。
随着时间的推移,SIMA 将学会玩任何视频游戏,甚至是那些没有线性路径到达游戏结束的游戏或开放世界游戏。虽然该算法并不是为了取代现有的游戏算法 人工智能,你可以把他当作一个伙伴和同伴。它将自然语言学习与理解 3D 世界和图像识别结合起来。
该公司曾与多家游戏开发商合作,包括Hello Games、Embracer、Tuxedo Labs、Coffee Stain 等用于训练和测试 SIMA。研究人员将 SIMA 与《无人深空》、《拆解》、《英灵神殿》和《模拟山羊 3》等游戏连接起来,向 AI 代理教授玩这些游戏的基础知识。
该团队选择了更具开放性而非叙事性的游戏来帮助 SIMA 学习一般游戏技能。如果您玩过或看过《模拟山羊》演练,您就会知道做随机、自发的事情就是游戏的全部内容,团队表示这正是他们希望教会 SIMA 的那种自发性。
为此,团队首先在 Unity 引擎中创建了一个新环境。然后 谷歌 记录成对的玩家,其中一个领导游戏,另一个指示下一步该做什么,以记录口头指令。之后,玩家们自己进行游戏,展示自己的行为在游戏中会带来什么结果。所有这些都被输入 SIMA,以便代理可以学习预测屏幕上接下来会发生什么。目前,SIMA大约有600个基本技能,例如左转或爬楼梯,但它最终会学习更复杂的功能。
另请阅读:
发表评论