2015-8-6 05:35 /
心血来潮想了这么一个问题:如何设计一个machine learning agent玩MC,从0开始学习MC世界的机理,自主探索各种可能性,终极目标是让这个agent自己学会在MC里造计算机玩MC(比如这样)。事实上最近已经有人拿MC做AI(特别是RL)的testbed了,比如最近这篇

考虑到这两年deepMind应该快要把atari game玩腻了,感觉他们下一步可能就会瞄上类似的问题。计算方面感觉不会有什么瓶颈,主要还是看RL以及ML其他相关方向的理论和应用能走多远了,不知道五年或者十年之内会不会有人搞定这个问题。。
Tags: 游戏
#1 - 2015-9-27 15:44
(V1046-R MAHORO)
make love in Minecraft
#1-1 - 2022-10-11 17:44
scientificworld
草,神理解
#2 - 2018-10-4 11:46
(for Necessity)
哈,2020年目前看来应该肯定没戏,我觉得2025也悬……感觉这样的系统已经不完全在数据驱动的AI范畴内了。
之前看AGI相关的文章,有观点认为AGI必须要用模块化的系统实现,比如处理激励的部分(基本就是RL),处理记忆的部分,等等。但我总觉得这样太不得劲了。还是类似 Univsersal AI 这样的比较合我胃口,第一次看到的时候很兴奋,不过理论完全看不懂……思想是和RL很关联的,你如果感兴趣看完之后给我科普一下?
我还有个想法是模拟很多刚体运动的数据,丢给电脑,可能还允许电脑交互地获取数据(就像人类科学家),然后目标是尽量精确而且简洁地描述这个刚体世界的定律。如果成功的话会得到牛顿定律甚至最小作业量原理等等。不知道有没人做过了……
#2-1 - 2018-10-5 12:31
Kane
Marcus Hutter的东西大部分是conceptual framework,没有多少实际的meat。。
#2-2 - 2019-1-24 18:59
Kane 说: Marcus Hutter的东西大部分是conceptual framework,没有多少实际的meat。。
是的,用了 K complexity,不可计算。不过我还就是对 concept 清晰的研究感兴趣。最近看因果的论文也遇到用 K complexity的,真是冥冥之中……
另外,最近RL + causality 的论文多起来了啊,NIPS上就好多篇。有兴趣,但目前还是先把因果搞好吧
#2-3 - 2019-1-25 09:42
Kane
说: 是的,用了 K complexity,不可计算。不过我还就是对 concept 清晰的研究感兴趣。最近看因果的论文也遇到用 K complexity的,真是冥冥之中……
另外,最近RL + causa...
RL+causality我也看到了,好方向,可惜causal我只懂101level。。
#2-4 - 2019-1-25 11:43
Kane 说: RL+causality我也看到了,好方向,可惜causal我只懂101level。。
之所以想起来这里回复也是因为后来我觉得我上面写的让机器交互获取数据来探索物理定律其实就是做实验啊,但是如果没有形成 causal hyperthesis 的能力, explore 就很低效(感觉目前 RL + causality的研究就是解决这个问题)。但其实反过来,如果能主动去获取实验数据,对 causal inference 也有极大的帮助。
#3 - 2019-3-18 11:09
不太可能能实现吧
ML毕竟都有目的,包括进化算法

怎么算损失?怎么优化?
每一帧都拿去做识别。。。。
#4 - 2022-12-27 08:40
(Proletarier aller Länder,vereinigt euch!)
来自2020:暂时不行。

关联条目