文丨鋅財(cái)經(jīng)，作者丨陳伊婷，編輯丨大風(fēng)

DeepMind 推出最新泛用型游戲 XLand，冷不丁丟出一個(gè)重磅炸彈。這意味著，在零樣本且不需要事先知道規(guī)則的情況下，就可以打造出一個(gè)全新的、堪比 AlphaGo 的人工智能。

一直以來，AI 強(qiáng)化學(xué)習(xí)苦于泛化能力差，只能針對(duì)單個(gè)任務(wù)來從頭開始學(xué)習(xí)。

5 年前，AlphaGo 打敗世界圍棋冠軍李世石，舉世驚呼。自 AlphaGo 之后，Deepmind 又推出能通學(xué)西洋棋、將棋、圍棋的 AlphaZero。

AlphaZero 非常強(qiáng)大，在三大棋領(lǐng)域中「打遍天下無敵手」。但問題在于，AlphaZero 若想能夠在不同游戲中「稱霸天下」，還得在每個(gè)游戲「從零訓(xùn)練」后才能夠?qū)崿F(xiàn)。

XLand 的出現(xiàn)則彌補(bǔ)了這個(gè)缺陷。如果說 AlphaZero 是「下棋的手」，那么 XLand 則創(chuàng)造出了「一個(gè)人」。

它的強(qiáng)大之處，在于它高度泛化的能力。簡單的說就是觸類旁通，好比人類學(xué)會(huì)用筷子夾米飯，就能學(xué)會(huì)用筷子夾菜。而 DeepMind 打造 XLand 的目的，則是為了讓自家通過強(qiáng)化學(xué)習(xí)訓(xùn)練的 AI，能夠玩遍「全宇宙的游戲」。

這個(gè)世界的任務(wù)由游戲、世界、玩家構(gòu)成。根據(jù)三要素的不同關(guān)系，來決定任務(wù)的復(fù)雜度。復(fù)雜度則由競爭性，平衡性，可選項(xiàng)，探索難度這 4 個(gè)維度評(píng)判。

從簡單到復(fù)雜的游戲，AI 智能體通過第一人稱視角去感知游戲中環(huán)境，并且不斷嘗試、碰撞游戲規(guī)則，從中累積龐大數(shù)據(jù)來訓(xùn)練自己完成游戲目標(biāo)。

簡單的比如「靠近紫色立方體」，復(fù)雜一點(diǎn)的比如「靠近紫色立方體或?qū)ⅫS色球體放在紅色地板上」。長此以往，AI 智能體從新手小白成長為屠龍勇士，吃雞、捉迷藏都難不倒它們。

基于此，一個(gè)由任務(wù)空間組成的、超大規(guī)模的「元宇宙」XLand 就誕生了，幾何地球只是其中的一個(gè)小角落。我們或許可以提出這樣一個(gè)設(shè)想，人類是外星人創(chuàng)造的 AI，而地球是外星人創(chuàng)造的 XLand。

經(jīng)過 5 代訓(xùn)練，AI 智能體在 XLand 的 4000 個(gè)獨(dú)立世界中玩大約 70 萬個(gè)獨(dú)立游戲，涉及 340 萬個(gè)獨(dú)立任務(wù)的結(jié)果，最后一代的每個(gè)智能體都經(jīng)歷了 2000 億次訓(xùn)練步驟。

目前，AI 智能體已經(jīng)能夠順利參與幾乎每個(gè)評(píng)估任務(wù)，除了少數(shù)連人類也無法完成的任務(wù)。

從 AlphaGo 走到現(xiàn)在 XLand，DeepMind 展示了無監(jiān)督式機(jī)器學(xué)習(xí)的高度潛力，也向世界證明未來訓(xùn)練 AI 的成本跟門檻將會(huì)越來越低，直至普及全球。

未來的某一天，當(dāng) AI 也能夠在「元宇宙」中自己學(xué)習(xí)演化，賽博朋克的世界是否會(huì)真的到來？