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，用来挖原石：第四步，获得原石之后，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