OpenAIs nya algoritm lärde sig spela Minecraft efter 70 000 timmar av YouTube

Wendy Zhou, Journalist
@uxconnections

OpenAIs tidigare AI-algoritmer har lyckats skapa utvecklade meningar, konstruera bilder på astronauter som rider på hästar, och generera realistiska ansikten på människor som inte finns. Nu har OpenAI utvecklat en ny AI som lärt sig spela Minecraft efter att ha kollat på 70.000 timmar av YouTube-videos på människor som spelar spelet.

Vad är OpenAI?

OpenAI är ett forskningslaboratorium som utför studier inom AI-fältet med målet att främja och utveckla friendly AI, på ett sätt som skall gynna mänskligheten som helhet. Organisationen skapades av Elon Musk och finansieras idag av Microsoft. OpenAI anses vara en av de största konkurrenterna till Googles DeepMind, som också forskar inom AI.

AI & tidigare spel 

Tidigare AI har lyckats lära sig mer deterministiska spel såsom logikspel och brädspel (t.ex.  Schack och Go). Där har spelet tydliga objektiv och framsteg mot objektiven har varit mätbara och tydliga. Sådana algoritmer har utvecklats med hjälp av reinforcement learning, vilket är när algoritmer får tilldelat ett specifikt mål och belönas för framsteg.

Spel såsom Minecraft skiljer sig däremot från deterministiska spel, då de kan innehålla ett obegränsat antal objektiv, och där framsteg är mindre linjärt och svåra att mäta. Metoder som reinforcement learning är därmed inte effektiva för sådana spel, vilket har varit en utmaning. 

OpenAI menar på att det tidigare aldrig varit någon som lyckats skapa en AI som kan fungera i ett totalt omodifierad mänskligt handlingsutrymme, som inkluderar hantering av lager och att skapa objekt. De överkom den utmaningen genom att finjustera träningsmodellen till mer koncentrerade datasets. Detta fick algoritmen att utveckla förmågor såsom att skapa trä- och stenverktyg samt bygga enklare skydd, och utforskning av byar.

Vidare hävdar OpenAI i ett blogginlägg att deras nya modell är generellt applicerbar, då den använder ‘native’ gränssnitt för knapptryckningar och musrörelser. Detta innebär att modellen kan appliceras på andra mänskliga gränssnitt såsom andra spel och färdigheter.

Minecraft: 70.000 timmar av YouTube-videos

Bild: OpenAI

Den nya AI-modellen som OpenAI skapat tränades på 70.000 timmar av videomaterial. Svårigheten i att använda video är att video visar vad människor gör när de spelar, men inte hur de gör det, och detta gör att algoritmer kräver etiketter för att kunna länka videoinnehåll med handlingar. 

För att lyckas med detta anställde forskningsteamet först människor för att spela in och etikettera grundläggande Minecraft-skills på totalt 2000 timmar av video. De använde det inspelade och färdigannoterade materialet för att i sin tur lära en annan algoritm hur den skall sätta etiketter på ännu fler videos. Denna etikett-algoritm användes sedan för att annotera 70.000 timmar av YouTube material.

Tekniken av att använda människor för att träna datamärkande-algoritmer var dyr. Å andra sidan hade det varit ännu dyrare och tagit längre tid att manuellt annotera alla timmar av videomaterial. Fördelen är att tekniken går att generalisera och applicera på andra datasets som finns online. Detta kommer i sin tur kunna hjälpa fler algoritmer att lära sig saker genom att titta på stora mängder internetmaterial. 

Framtiden

Det viktiga med den här nyheten handlar därmed inte om spelet Minecraft i sig. Utan det handlar om att OpenAI har lyckats komma på en förbättrad metod för att lära AI färdigheter utifrån internetmaterial. Tekniken i sig är generaliserbar och kan därför leda till att vi lyckas skapa ännu fler intelligenta algoritmer som kan utföra mänskliga färdigheter, vilket i sin tur kan ha oväntade effekter på vår framtid.

UX Connections, the UX design agency with UX/UI consultants to help your digital product succeed.