4天训练一个AI“矿工”

萧箫 发自 凹非寺

非常AI 报道 | 公众号 QbitAI

从0开始在《我的世界》 （MineCraft）中挖出一块钻石，需要多长时间？

对于熟悉游戏的玩家来说，可能只需要几分钟的时间：

△图源Youtube@ItzJhief

然而对于AI来说，15分钟内可能都挖不出1块钻石！

为了发掘AI的潜力，CMU、微软、DeepMind和OpenAI联手在顶会NeurIPS上举办了一个名叫MineRL的竞赛，要求参赛队伍在4天时间内，训练出一个能在15分钟内挖出钻石的AI“矿工”。

从往届表现来看，冠军连40分都拿不到，甚至举办方给出的AI Baselines只能达到2分左右的水准（满分100分）。

今年，腾讯的绝悟AI却以76.97分的绝对优势一举夺魁，成功成为挑战赛历史上“挖矿最迅速”的AI。（不过，这几届的所有AI，都没能达成15min内挖出钻石这一挑战）

△红色为绝悟AI分数

腾讯AI Lab是怎么拿到冠军的？

“AI矿工”为何难以挖出钻石？

之所以AI难以在竞赛中迅速挖出钻石，主要有两方面的原因。

一方面，《我的世界》游戏本身对AI有难度。

作为开放世界游戏，它的初始世界完全随机生成，而迅速合成钻石又需要比较复杂的步骤：既不能只用一种工具，也不能“一挖到底”。

通常来说，从0开始挖钻石最快的方法，分为7个步骤。

第一步，玩家在空手进入《我的世界》中时，需要先找到树上的木头，用来获取木块：

第二步，将这些木块用来合成工作台：

第三步，在工作台上合成木镐，用来挖石砖：

第四步，获得石砖之后，需要合成一个石镐，用来快速挖铁矿：

第五步，为了将铁矿合成铁锭，还需要做一个熔炉来烧铁：

第六步，合成铁镐，用来挖出钻石：

第七步，寻找钻石，并用铁镐来挖出最终的钻石：

看到这里，就知道挖矿对于AI来说，已经很复杂了，不仅面临大量决策，还需要考虑时间问题。

另一方面，为了增加难度，举办方还特意给“AI矿工”们增加了不少限制。

禁止参赛者编写规则、游戏环境将背包信息与动作空间加密、不允许使用预训练模型、AI与环境交互不超过800万次、只能使用6核CPU+半张NVIDIA K80显卡训练4天……

当然，这样做是为了让各大高校的学生也有能力参与这次挑战赛，不至于出现硬件上“军备竞赛”的问题。

面对来自游戏和举办方的“挑战”，腾讯的绝悟AI是如何成为一名优秀矿工的？

如何让AI更快地挖矿？

首先，是整体训练策略的问题。

要想让AI在短时间、少算力的情况下变得会挖矿，首先就要改变训练策略。

这种情况下，不可能再用强化学习对AI进行整体训练。

因此，腾讯AI Lab将强化学习进行了“升级”，提出了一种基于分层强化学习 （Hierarchical Reinforcement Learning）的方法。

简单来说，就是将挖出钻石的过程像人一样分成几个具体的步骤，每个步骤都有一个“小目标”，让AI在完成一个目标后，能迅速地实施下一个目标。

然后，就是三个细节上的问题了。

其一，开放地图的理解问题。

由于表示学习在《我的世界》这样的3D场景中效果很差，腾讯AI Lab设计了一种基于动作感知的算法，来捕捉每个动作对环境的影响。

这种方法快速地提升了AI在开放世界中获取资源的速度。

其二，策略选择问题。

在游戏进行到一定阶段后，AI与人的思路会发生一些差异，仅凭人类数据训练，对AI的提升作用有限。

为此，腾讯AI Lab采用了自模仿学习的算法，从自己的实践中获得教训和经验，来降低进入危险区域、做出错误决策的概率。

其三，合成物品问题。

合成物品对于人类来说非常简单，然而AI却总是不容易合成它，成功率一开始甚至只有35%左右。

为此，腾讯AI Lab采用了动作序列一致性过滤（Consistency Filtering）+基于投票的集成学习（Ensemble Learning）方法，最终将合成物品的成功率提升到96%。

最终在评分中，绝悟AI的分数达到了76.97分。

事实上，在游戏AI上一路向前的“绝悟”，已经历了数次进化。

从最初攻克Atari游戏开始，到后来的棋牌游戏AI“绝艺”，掌握一手围棋、象棋、麻将的绝活。

再到现在的策略协作型AI“绝悟”，从MOBA、FPS再到开放世界游戏《我的世界》，这个基于强化学习训练的智能体正在变得愈发复杂。

这次的《我的世界》版绝悟AI论文也已经放出，感兴趣的小伙伴可以冲了~

《我的世界》版绝悟AI论文地址：
https://arxiv.org/abs/2112.04907

参考链接：
[1]https://www.youtube.com/watch?v=CnKJgA93hyY
[2]https://www.aicrowd.com/challenges/neurips-2021-minerl-diamond-competition#team
[3]https://www.aicrowd.com/challenges/neurips-2021-minerl-diamond-competition/leaderboards?challenge_round_id=956