„Google DeepMind“ pristato SIMA 2: dirbtinio intelekto agentą, galintį žaisti, samprotauti ir mokytis 3D virtualiuose pasauliuose.
Trumpai
„Google DeepMind“ pristatė dirbtinio intelekto agentą SIMA 2, kuris gali suprasti instrukcijas, samprotauti ir išmokti naujų įgūdžių virtualioje aplinkoje, beveik atlikdamas užduotis žmogaus lygiu.
Technologijų bendrovės „Google“ dirbtinio intelekto padalinys, „Google DeepMind“ pristatė „SIMA 2“ – naujausią savo keičiamo dydžio mokomojo daugiapasaulio agento versiją, žyminčią žingsnį link galingesnių ir bendrosios paskirties dirbtinio intelekto agentų.
Sukurta remiantis pažangiomis „Gemini“ modelių samprotavimo galimybėmis, sistema išplečia savo galimybes – ne tik vykdyti pagrindines instrukcijas virtualioje aplinkoje, bet ir veikia kaip interaktyvus pagalbininkas, galintis interpretuoti tikslus, bendrauti su vartotojais ir laikui bėgant tobulinti savo našumą.
Pirmasis SIMA modelis išmoko šimtus kalbos valdomų veiksmų komerciniuose vaizdo žaidimuose stebėdamas ekrano įvestį ir veikdamas virtualiais valdikliais, o ne integruota žaidimo mechanika.
„SIMA 2“ patobulina šį požiūrį, įterpdama „Gemini“ kaip savo branduolį, leidžiantį agentui atlikti tikslingą samprotavimą, paaiškinti numatytus veiksmus ir vykdyti sudėtingesnes užduotis žaidimuose. Apmokytas žmonių demonstracijų ir „Gemini“ sugeneruotų anotacijų deriniu, agentas buvo išbandytas platesniame žaidimų rinkinyje, bendradarbiaujant su daugeliu kūrėjų. Šis atnaujinimas yra reikšmingas žingsnis įkūnyto dirbtinio intelekto srityje, sujungiant suvokimą, samprotavimą ir veiksmus dinamiškose 3D aplinkose.
„Gemini“ integracija sustiprino SIMA 2 gebėjimą apibendrinti ir patikimai veikti nepažįstamuose kontekstuose. Agentas dabar gali interpretuoti išsamesnes ir niuansuotesnes instrukcijas ir sėkmingai jas vykdyti net žaidimuose, su kuriais anksčiau nebuvo susidūręs, pavyzdžiui, vikingų tematikos žaidime ASKA ar „MineDojo“ – tyrimų versijoje žaidime „Minecraft“.
Gebėjimas pritaikyti išmoktas sąvokas skirtingose aplinkose – pavyzdžiui, išplėsti „kasimo“ idėją iš vieno žaidimo į „derliaus nuėmimą“ kitame – yra pagrindinis plataus apibendrinimo komponentas ir priartina žaidimo veikimą prie žmogaus žaidėjo.
Siekiant įvertinti šias galimybes, SIMA 2 taip pat buvo išbandytas procedūriškai generuojamuose 3D pasauliuose, kuriuos sukūrė „Genie 3“, kurianti naujas aplinkas iš tekstinių arba vaizdinių raginimų. Šiose neįprastose aplinkose agentas vis tiek galėjo efektyviai naršyti, interpretuoti instrukcijas ir dirbti su naudotojo poreikiais.defipasiekti tikslai, rodantys prisitaikymo lygį, kuris anksčiau nebuvo pastebėtas panašiose sistemose.
SIMA 2 skatina savarankiškai tobulėjantį dirbtinį intelektą su naujomis apibendrinimo ir autonominio mokymosi galimybėmis
Pagal įmonėVienas iš svarbiausių SIMA 2 patobulinimų yra jo gebėjimas pagerinti savo našumą. Mokymo metu agentas pademonstravo, kad gali atlikti vis sudėtingesnes užduotis, taikydamas iteracinį bandymų ir klaidų metodą kartu su „Gemini“ atsiliepimais. Iš pradžių mokydamasis iš žmonių demonstracijų, SIMA 2 gali toliau tobulėti naujuose žaidimuose žaisdamas savarankiškai, įgydamas įgūdžių nepažįstamoje aplinkoje, nereikalaudamas papildomų žmonių duomenų. Ši patirtis gali būti panaudota mokant kitas, pajėgesnes agento versijas. AI agentas, ir tas pats savęs tobulinimo procesas buvo sėkmingai pritaikytas „Genie“ sukurtose aplinkose, žymėdamas reikšmingą pažangą mokant bendruosius agentus įvairiuose, sintetiniuose pasauliuose. Šis nuolatinio tobulinimo ciklas padeda siekti ilgalaikio tikslo – suteikti agentams galimybę mokytis minimaliai prižiūrint žmonėms.
SIMA 2 veikimas įvairiose žaidimų aplinkose suteikia svarbią bendrojo intelekto bandymų aikštelę, leidžiančią įgyti įgūdžių, praktikuoti samprotavimus ir nuolat mokytis savarankiškai atliekant veiksmus. Nors sistema yra reikšmingas žingsnis link bendro, interaktyvaus, įkūnyto intelekto, ji išlaiko aiškius tyrimo etapo apribojimus. Agentui ir toliau sunku atlikti sudėtingas, ilgalaikes užduotis, kurioms reikalingas ilgas samprotavimas arba pakartotinis tikslų patvirtinimas, o jo atmintis išlieka trumpa dėl mažo vėlavimo trukmės sąveikos poreikio ribotame konteksto lange. Tikslus smulkiagrūdžių veiksmų atlikimas ir vizualinis sudėtingų 3D scenų supratimas taip pat išlieka platesnio masto iššūkiu visoje srityje.
Projektas demonstruoja veiksmu pagrįsto dirbtinio intelekto (DI) metodo potencialą, kai plati kompetencija yra paremta įvairiais mokymo duomenimis ir stipriais samprotavimo gebėjimais. SIMA 2 rodo, kad šiuos elementus galima sujungti į vieną generalistinį agentą, o ne izoliuoti atskirose specializuotose sistemose, ir tai suteikia perspektyvų kelią į būsimus robotikos taikymus, nes daugelis virtualioje aplinkoje įgytų įgūdžių, tokių kaip navigacija, įrankių naudojimas ir bendradarbiavimas atliekant užduotis, virsta pagrindiniais įkūnyto DI komponentais.
SIMA 2 yra sukurtas kaip interaktyvus, į žmogų orientuotas tyrimų agentas, o jo kūrimas apima aiškų dėmesį atsakingai praktikai, ypač kalbant apie jo tobulinimo mechanizmus. Komanda viso projekto metu bendradarbiavo su atsakingų inovacijų specialistais ir išleidžia ribotą SIMA 2 tyrimų peržiūros versiją, suteikdama išankstinę prieigą pasirinktiems akademikams ir žaidimų kūrėjams. Šis etapais vykdomas metodas leidžia toliau tyrinėti technologiją ir jos galimą poveikį, nuolat teikti atsiliepimus ir tarpdisciplininį vertinimą.
Atsakomybės neigimas
Remdamasi tuo, Pasitikėjimo projekto gairės, atkreipkite dėmesį, kad šiame puslapyje pateikta informacija nėra skirta ir neturėtų būti aiškinama kaip teisinė, mokesčių, investicinė, finansinė ar bet kokia kita konsultacija. Svarbu investuoti tik tai, ką galite sau leisti prarasti, ir, jei turite kokių nors abejonių, kreiptis į nepriklausomą finansinę konsultaciją. Norėdami gauti daugiau informacijos, siūlome peržiūrėti taisykles ir nuostatas bei pagalbos ir palaikymo puslapius, kuriuos pateikia išdavėjas arba reklamuotojas. MetaversePost yra įsipareigojusi teikti tikslias, nešališkas ataskaitas, tačiau rinkos sąlygos gali keistis be įspėjimo.
Apie autorių
Alisa, atsidavusi žurnalistė MPost, specializuojasi kriptovaliutų, nulinių žinių įrodymų, investicijų ir plataus masto Web3. Akylai žvelgdama į naujas tendencijas ir technologijas, ji pateikia išsamią informaciją, kad informuotų ir įtrauktų skaitytojus į nuolat besikeičiančią skaitmeninių finansų aplinką.
Daugiau straipsnių
Alisa, atsidavusi žurnalistė MPost, specializuojasi kriptovaliutų, nulinių žinių įrodymų, investicijų ir plataus masto Web3. Akylai žvelgdama į naujas tendencijas ir technologijas, ji pateikia išsamią informaciją, kad informuotų ir įtrauktų skaitytojus į nuolat besikeičiančią skaitmeninių finansų aplinką.
