เพื่อเร่งการวิจัยในทิศทางนี้ เราได้ร่วมจัด MineRL 2020 Competition ซึ่งมีเป้าหมายเพื่อส่งเสริมการพัฒนาอัลกอริทึมที่สามารถใช้ประโยชน์จากการสาธิตของมนุษย์ได้อย่างมีประสิทธิภาพ เพื่อลดจำนวนตัวอย่างที่จำเป็นในการแก้ปัญหาในสภาพแวดล้อมที่ซับซ้อน มีลำดับชั้น และเบาบาง
ผู้เข้าร่วมการแข่งขันจะต้องพัฒนาให้ระบบสามารถหาเพชรใน Minecraft ได้ โดยใช้เพียง 8,000,000 ตัวอย่างจาก MineRL simulator และฝึกบน GPU เครื่องเดียวเป็นเวลา 4 วัน โดยผู้เข้าแข่งขันจะได้รับชุดข้อมูล MineRL-v0 ซึ่งเป็นการรวบรวมการสาธิตของมนุษย์กว่า 60 ล้านเฟรม
การแข่งขันนี้เป็นการติดตาม MineRL 2019 ซึ่งทีมชั้นนำสามารถหาขวานเหล็กได้ภายใต้ข้อจำกัดด้านการคำนวณและการจำลองที่จำกัดอย่างยิ่ง ซึ่งแตกต่างจากระบบ Reinforcement learning ทั่วไปที่ต้องใช้หลายร้อยล้านการโต้ตอบในระบบหลาย GPU เพื่อให้ได้เป้าหมายเดียวกัน
เพื่อรับประกันว่าผู้เข้าแข่งขันจะพัฒนาอัลกอริทึมที่มีประสิทธิภาพในการใช้ตัวอย่างอย่างแท้จริง ผู้จัด MineRL ได้ฝึกโมเดลรอบสุดท้ายของทีมชั้นนำใหม่ทั้งหมดภายใต้ข้อจำกัดด้านฮาร์ดแวร์ การคำนวณ และการโต้ตอบกับซิมูเลเตอร์
ศัพท์ที่ควรรู้
- MineRL – เป็นสภาพแวดล้อมจำลองที่ใช้ในการฝึกฝนเอเจนต์ AI สำหรับการแข่งขันนี้
- Sparse environments – สภาพแวดล้อมที่มีเหตุการณ์สำคัญเกิดขึ้นไม่บ่อย ทำให้การเรียนรู้ยาก
- Reinforcement learning – วิธีการเรียนรู้ของ AI ที่เอเจนต์เรียนรู้จากการลองผิดลองถูกในสภาพแวดล้อม
- MineRL simulator – โปรแกรมจำลอง Minecraft ที่ใช้ในการทดสอบและฝึกฝนเอเจนต์
ที่มา: OpenAI