英偉達 AI 智能體接入 GPT-4，完勝 AutoGPT！自主寫代碼獨霸我的世界，無需人類插手

繼斯坦福的 25 人小鎮後，AI 智能體又出爆款新作了。 最近，英偉達首席科學家 Jim Fan 等人把 GPT-4 整進了「我的世界」（Minecraft）——提出了一個全新的 AI 智能體 Voyager。 Voyager 的厲害之處在於，它不僅性能完勝 AutoGPT，而且還可以在遊戲中進行全場景的終身學習！ 比起之前的 SOTA，Voyager 獲得的物品多出了 3.3 倍，旅行距離變長了 2.3 倍，解鎖關鍵技能樹的速度快了 15.3 倍。 對此，網友直接震驚了：我們離通用人工智能 AGI，又近了一步。 所以，未來的遊戲，就是由大模型帶動 NPC 來玩的吧？ 真·數字生命 接入 GPT-4 之後，Voyager 根本不用人類操心，完全就是自學成才。 它不僅掌握了挖掘、建房屋、收集、打獵這些基本的生存技能，還學會了自個進行開放式探索。 它會自己去到不同的城市，路過一片片海洋，一座座金字塔，甚至還會自己搭建傳送門。 通過自我驅動，它不斷探索着這個神奇的世界，擴充着自己的物品和裝備，配備不同等級的盔甲，用盾牌格擋上海，用柵欄圈養動物…… 論文地址：https://arxiv.org/abs/2305.16291 項目地址：https://voyager.minedojo.org/ Voyager 的英勇事蹟包括但不限於—— 數字生命的潛能究竟有多大？我們只知道，現在 Voyager 仍然在 Minecraft 中一刻不停地探索，不斷擴展着自己的疆域。 「訓練」無需梯度下降 此前，AI 領域的一大挑戰就是，構建具有通用能力的具身智能體，讓它們在開放世界中自主探索，自行發展新技能。 以往，學界都是採用強化學習和模仿學習，但這些方法在系統化的探索、可解釋性和泛化性等方面，表現往往差強人意。 大語言模型的出現，給構建具身智能體帶來了全新的可能性。因為基於 LLM 的智能體可以利用預訓練模型中藴含的世界知識，生成一致的行動計劃或可執行策略，這就非常適合應用於遊戲和機器人之類的任務。 此前，斯坦福研究者構建出生活着 25 個 AI 智能體的虛擬小鎮，震驚了 AI 社區 這種智能體還有一個好處就是，不需要具體化的自然語言處理任務。 然而，這些智能體仍然無法擺脱這樣的缺陷——無法終身學習，因而不能在較長時間跨度上逐步獲取知識，並且將它們積累下來。 而這項工作最重要的意義就在於，GPT-4 開啓了一種新的範式：這個過程中是靠代碼執行「訓練」，而非靠梯度下降。 Jim Fan 解釋道：我們在 BabyAGI/AutoGPT 之前就有了這個想法，花了很多時間找出最好的無梯度架構 「訓練模型」是 Voyager 迭代式構建的技能代碼庫，而非浮點數矩陣。通過這種方法，團隊正在將無梯度架構推向極限。 在這種情況下訓練出的智能體，已經具備了同人類一樣的終身學習能力。 比如，Voyager 如果發現自己處在沙漠而非森林中，就會知道學會收集沙子和仙人掌就比學會收集鐵礦更重要。 而且，它不僅能根據目前的技能水平和世界狀態明確自己最合適的任務，還能根據反饋不斷完善技能，保存在記憶中，留在下次調用。 所以，我們離硅基生命出現還有多遠？ 剛剛回到 OpenAI 的 Karpathy 對這個工作表示盛讚：這是個用於高級技能的「無梯度架構」。在這裏，LLM 就相當於是前額葉皮層，通過代碼生成了較低級的 mineflayer API。 Karpathy 回憶起，在 2016 年左右，智能體在 Minecraft 環境中的表現還很讓人絕望。當時的 RL 只能從超稀疏的獎勵中隨機地探索執行長期任務的方式，讓人感覺非常 stuck。 而現在，這個障礙已經在很大程度上被解除了——正確的做法是另闢蹊徑，首先訓練 LLM 從互聯網文本上學習世界知識、推理和工具使用（尤其是編寫代碼），然後直接把問題拋給它們。 最後他感慨道：如果我在 2016 年就讀到這種對智能體的「無梯度」方法，我肯定會大吃一驚。 微博大 V「寶玉 xp」也對這個工作給予了高度評價—— 真的是了不起的嘗試，整個代碼都是開源的，這種自動生成任務->自動寫代碼執行任務->保存一個代碼庫可以重用的思路，應該是可以很容易應用到其他領域。 Voyager 與其他 AI 研究中常用的遊戲不同，Minecraft 並沒有強加預定義的終點目標或固定的劇情線，而是提供了一個具有無盡可能性的遊樂場。 對於一個有效的終身學習智能體來説，它應該具有與人類玩家類似的能力： 1. 根據其當前的技能水平和世界狀態提出適當的任務，例如，如果它發現自己是在沙漠而不是森林中，就會在學習收集鐵之前學習收集沙子和仙人掌 2. 基於環境反饋來完善技能，並將掌握的技能記入記憶，以便在類似情況下重複使用（例如，與殭屍戰鬥與與蜘蛛戰鬥類似） 3. 持續探索世界，以自我驅動的方式尋找新的任務。 為了讓 Voyager 具有上述這些能力，來自英偉達、加州理工學院、得克薩斯大學奧斯汀分校和亞利桑那州立大學的團隊提出了 3 個關鍵組件： 1. 一個迭代提示機制，能結合遊戲反饋、執行錯誤和自我驗證來改進程序2. 一個技能代碼庫，用來存儲和檢索複雜行為 3. 一個自動教程，可以最大化智能體的探索 首先，Voyager 會嘗試使用一個流行的 Minecraft JavaScript API（Mineflayer）來編寫一個實現特定目標的程序。 雖然程序在第一次嘗試時就出錯了，但是遊戲環境反饋和 JavaScript 執行錯誤（如果有的話）會幫助 GPT-4 改進程序。 左：環境反饋。GPT-4 意識到在製作木棒之前還需要 2 塊木板。 右：執行錯誤。GPT-4 意識到它應該製作一把木斧，而不是一把「相思木」斧，因為 Minecraft 中並沒有「相思木」斧。 通過提供智能體當前的狀態和任務，GPT-4 會告訴程序是否完成了任務。 此外，如果任務失敗了，GPT-4 還會提出批評，建議如何完成任務。 自我驗證 其次，Voyager 通過在向量數據庫中存儲成功的程序，逐步建立一個技能庫。每個程序可以通過其文檔字符串的嵌入來檢索。 複雜的技能是通過組合簡單的技能來合成的，這會使 Voyager 的能力隨着時間的推移迅速增長，並緩解災難性遺忘。 上：添加技能。每個技能都由其描述的嵌入索引，可以在將來的類似情況中檢索。 下：檢索技能。當面對自動課程提出的新任務時，會進行查詢並識別前 5 個相關技能。 第三，自動課程會根據智能體當前的技能水平和世界狀態，提出合適的探索任務。 例如，如果它發現自己在沙漠而非森林中，就學習採集沙子和仙人掌，而不是鐵。 具體來説，課程是由 GPT-4 基於「發現儘可能多樣化的東西」這個目標生成的。 自動課程 團隊將 Voyager 與其他基於 LLM 的智能體技術進行了系統性的比較，比如 ReAct、Reflexion，以及在 Minecraft 中廣受歡迎的 AutoGPT。 在 160 次提示迭代中，Voyager 發現了 63 個獨特的物品，比之前的 SOTA 多出 3.3 倍。 尋求新奇的自動課程自然會驅使 Voyager 進行廣泛的旅行。即使沒有明確的指示，Voyager 也會遍歷更長的距離（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，經常會在一小片區域裏兜圈子。 地圖探索率 那麼，經過終身學習後的「訓練模型」——技能庫，表現如何呢？ 團隊清空了物品/護甲，生成了一個新的世界，並用從未見過的任務對智能體進行了測試。 可以看到，Voyager 解決任務的速度明顯比其他方法更快。 值得注意的是，從終身學習中構建的技能庫不僅提高了 Voyager 的性能，也提升了 AutoGPT 的性能。 這表明，技能庫作為一種通用工具，可以有效地作為一個即插即用的方法來提高性能。 零樣本泛化 上圖中的數字是三次試驗中提示迭代的平均值。迭代次數越少，方法越有效。可以看到，Voyager 解決了所有的任務，而 AutoGPT 經過 50 次提示迭代都無法解決。 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。而且擁有技能庫的 Voyager 是唯一解鎖鑽石工具的。 技能樹掌握情況（木工具 → 石工具 → 鐵工具 → 鑽石工具） 目前，Voyager 只支持文本，但在未來可以通過視覺感知進行增強。 在團隊進行的一個初步研究中，人類可以像一個圖像標註模型一樣，向智能體提供反饋。 從而讓 Voyager 能夠構建複雜的 3D 結構，比如地獄門和房子。 結果表明，Voyager 的性能優於所有替代方案。此外，GPT-4 在代碼生成方面也明顯優於 GPT-3.5。 消融實驗 結論 Voyager 是第一個由 LLM 驅動、可以終身學習的具身智能體。它可以利用 GPT-4 不停地探索世界，開發越來越複雜的技能，並始終能在沒有人工干預的情況下進行新的發現。 在發現新物品、解鎖 Minecraft 技術樹、穿越多樣化地形，以及將其學習到的技能庫應用於新生成世界中的未知任務方面，Voyager 表現出了優越的性能。 對於通用智能體的開發來説，無需調整模型參數的 Voyager 是可以作為一個起點的。 參考資料： https://voyager.minedojo.org/ 本文來源：新智元 (ID:AI_era)，原文標題：《英偉達 AI 智能體接入 GPT-4，完勝 AutoGPT！自主寫代碼獨霸我的世界，無需人類插手》風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。