即刻App年轻人的同好社区
下载
AI 新知：当GPT-4 遇上开放世界游戏， 智能代理到底有多强？
尽管AI 智能代理在一个开放世界的成为超级玩家的内容不再是新闻了，然而在上周英伟达发布一系列重磅发布中， 这个被称为 Voyager 游戏智能代理，还是表现出非常令人惊叹的自主探索和学习能力。 这种智能代理是如何通过 GPT-4 一步步是实现的？
为了让更多非专业人士，从原理层面感知这类技术（类似 AutoGPT）原理、应用层的可能，我和 Claude 100k 一起为大家尽可能深入浅出的进行解释和案例分析。 （ 对话全部内容， poe.com）
🧬 核心问题只有一个，自主学习、编码、技能树的游戏 AI 是如何工作。
（如果你不熟悉《我的世界》这款游戏的玩家视角，我建议你先在官方网址 ，简单看一下多个GIF 级别的小视频， 有个感性认知。图 1，也可以直接移步官方网址 voyager.minedojo.org）
🕹️ Voyager 是什么？
- 它是第一个玩Minecraft的终身学习的智能代理。Voyager 可以自己写代码、自我迭代、不断完善技能库中，实现可以终身学习的游戏探索过程（见图 2 ）
- 它建立在GPT-4之上，并解锁了一个新的范式：「训练」在这个语境下是执行代码；「训练模型」是Voyager迭代组成的技能代码库，而不是浮点矩阵。
- Voyager 正在成为一个经验丰富的探索者，一个超级玩家。在《我的世界》中，它获得了3.3倍的独特物品，旅行了2.3倍的距离，解锁关键技术树里程碑的速度比之前的方法快15.3倍。
- 它是开源的。
🤖 Voyager 有 3 个关键组件：（见图3）
1. 结合游戏反馈、执行错误、验证来完善程序的迭代提示机制；（让 GPT-4 写代码 ）
2. 用于存储和检索复杂行为的技能代码库；（任务的自主完善和迭代）
3. 最大化探索的自动课程。 （开放的任务指导体系）
以下是我和Claude 100k的全文提问内容， 你可以作为「深度对话」和 GPT 们交流。
（如果你不是 Poe 的付费用户，也可以用 ChatPDF 之类的代替）
Q1：我们讨论一篇重要的AI行业论文，我把正文输入给你， 当你阅读理解完成后， 请回复 OK。（请注意，复制全文有关对话记录省略了 ）
Q2：请总结这篇论文的核心要点， 尽量以中学生能读懂的非技术语言和风格。我们一条条慢慢展开，尽量站在科普和面向非专业人士的立场。首先，请你站在非游戏玩家立场上， 简单介绍下Minecraft 这个沙盒游戏？为Voyager这样的自组织学习的智能代理有什么独特的环境属性？
Q3：我的理解是，「迭代提示机制」作为第一个核心要素， 是Voyager 自组织探索的关键。 当VOYAGER 需要完成一个任务时,它会先通过大语言模型生成一段代码；然后根据执行这段代码产生的环境反馈、执行错误和自我验证；不断改进这段代码，直到完成任务要求；得到成功的代码就会加入技能库。
能否针对《我的世界》这款游戏玩家的视角， 给出一些具体的任务和例子， Voyager是如何执行这条机制和系统的呢？ 例子不要3个，可以从简单到复杂， 尽量包含与环境的互动和反馈等关键描述。 注意保持非技术人士的视角。（见图4）
Q4：很有趣，以中等难度的「制作铁制工具」任务为例， VOYAGER会如何自组织设计prompts来实现 GPT-4的编码呢？ 具体有哪些环境属性的信息，让 AI 模型能够「看见」和得到反馈信息？（图 5）
Q5：看起来这些 prompts 的方式相当开发者级别呢？ 不仅包含了包含环境和实体的属性信息，还让游戏的 API 模拟了游戏操作🎮。 那么，如何解决GPT-4 编写代码出现 bug，病自动修复的问题呢？（图 6）
Q6：除了自我修复 bug，还有「自动课程」机制会触发， 提供另外一些新的任务目标。
那么， 请用最朴实、简明的语言，介绍一下「自动课程」的基本原理，并介绍 3 个场景案例，来探讨它是如何给 AI 智能代理提供新任务的流程？（ 图 7）
Q7：我举一个更具体玩游戏场景的例子：例如 AI 智能代理，发现自己在沙漠而不是森林中，它会如何调整它当前的任务（制作铁锹的材料在当前环境缺失）？
Q8：Voyager通过将成功的程序存储在一个矢量数据库中，逐步建立起一个技能库。每个程序都可以通过其文件串的嵌入来检索。复杂的技能是由较简单的技能合成的，这使Voyager的能力随着时间的推移而不断增强。
Q9：论文中提到，顶部：添加新技能。每个技能都通过嵌入其描述来索引，可以在将来的类似情况下检索。
底部：技能检索。当面对新的自动课程提出的任务，Voyager 会执行查询以确定前5 名相关技能。复杂的技能可以通过编写更简单的程序来合成，这加速了迭代。
请从继续描述一个「构建房屋」例子，来说明这个技能库完善的过程吧。
Q10：解释的很好， 自动课程会根据VOYAGER当前的状态和位置，借助 GPT-4 不断适应环境。 这「看上去」确实有一些生物意义的智能在里面了呢。
那么，我们再来讨论第三个重要的组件：构建技能库。请介绍下Voyager 通过将成功的程序存储在向量 DB 中来逐步构建技能库？比实现由简单技能构建复杂的技能的累进过程？（ 图 8）
Q11：论文中提到， 顶部：添加新技能。每个技能都通过嵌入其描述来索引，可以在将来的类似情况下检索。底部：技能检索。当面对新的自动课程提出的任务，Voyager 会执行查询以确定前 5 名相关技能。复杂的技能可以通过编写更简单的程序来合成，这加速了迭代。
请从继续描述一个「构建房屋」例子，来说明这个技能库完善的过程吧。
Q12： 这里有一个小问题， GPT-4 目前没有提供「视觉」能力， 那么， 构建房屋这种复杂的技能和任务， 是如何被代码实现的呢？
Q13：那么，请总结以上我们讨论，如何理解Voyaer 这种终身学习 AI 代理的主要能力；并尝试用一段话来描述这种技术的开创性价值和潜在应用场景吧。 谢谢你的 Copliot～
以上全部对话内容一次放出， 可在 Poe 网址上观赏 。Enjoy～
poe.com
尽管AI 智能代理在一个开放世界的成为超级玩家的内容不再是新闻了，然而在上周英伟达发布一系列重磅发布中， 这个被称为 Voyager 游戏智能代理，还是表现出非常令人惊叹的自主探索和学习能力。 这种智能代理是如何通过 GPT-4 一步步是实现的？
为了让更多非专业人士，从原理层面感知这类技术（类似 AutoGPT）原理、应用层的可能，我和 Claude 100k 一起为大家尽可能深入浅出的进行解释和案例分析。 （ 对话全部内容， poe.com）
🧬 核心问题只有一个，自主学习、编码、技能树的游戏 AI 是如何工作。
（如果你不熟悉《我的世界》这款游戏的玩家视角，我建议你先在官方网址 ，简单看一下多个GIF 级别的小视频， 有个感性认知。图 1，也可以直接移步官方网址 voyager.minedojo.org）
🕹️ Voyager 是什么？
- 它是第一个玩Minecraft的终身学习的智能代理。Voyager 可以自己写代码、自我迭代、不断完善技能库中，实现可以终身学习的游戏探索过程（见图 2 ）
- 它建立在GPT-4之上，并解锁了一个新的范式：「训练」在这个语境下是执行代码；「训练模型」是Voyager迭代组成的技能代码库，而不是浮点矩阵。
- Voyager 正在成为一个经验丰富的探索者，一个超级玩家。在《我的世界》中，它获得了3.3倍的独特物品，旅行了2.3倍的距离，解锁关键技术树里程碑的速度比之前的方法快15.3倍。
- 它是开源的。
🤖 Voyager 有 3 个关键组件：（见图3）
1. 结合游戏反馈、执行错误、验证来完善程序的迭代提示机制；（让 GPT-4 写代码 ）
2. 用于存储和检索复杂行为的技能代码库；（任务的自主完善和迭代）
3. 最大化探索的自动课程。 （开放的任务指导体系）
以下是我和Claude 100k的全文提问内容， 你可以作为「深度对话」和 GPT 们交流。
（如果你不是 Poe 的付费用户，也可以用 ChatPDF 之类的代替）
Q1：我们讨论一篇重要的AI行业论文，我把正文输入给你， 当你阅读理解完成后， 请回复 OK。（请注意，复制全文有关对话记录省略了 ）
Q2：请总结这篇论文的核心要点， 尽量以中学生能读懂的非技术语言和风格。我们一条条慢慢展开，尽量站在科普和面向非专业人士的立场。首先，请你站在非游戏玩家立场上， 简单介绍下Minecraft 这个沙盒游戏？为Voyager这样的自组织学习的智能代理有什么独特的环境属性？
Q3：我的理解是，「迭代提示机制」作为第一个核心要素， 是Voyager 自组织探索的关键。 当VOYAGER 需要完成一个任务时,它会先通过大语言模型生成一段代码；然后根据执行这段代码产生的环境反馈、执行错误和自我验证；不断改进这段代码，直到完成任务要求；得到成功的代码就会加入技能库。
能否针对《我的世界》这款游戏玩家的视角， 给出一些具体的任务和例子， Voyager是如何执行这条机制和系统的呢？ 例子不要3个，可以从简单到复杂， 尽量包含与环境的互动和反馈等关键描述。 注意保持非技术人士的视角。（见图4）
Q4：很有趣，以中等难度的「制作铁制工具」任务为例， VOYAGER会如何自组织设计prompts来实现 GPT-4的编码呢？ 具体有哪些环境属性的信息，让 AI 模型能够「看见」和得到反馈信息？（图 5）
Q5：看起来这些 prompts 的方式相当开发者级别呢？ 不仅包含了包含环境和实体的属性信息，还让游戏的 API 模拟了游戏操作🎮。 那么，如何解决GPT-4 编写代码出现 bug，病自动修复的问题呢？（图 6）
Q6：除了自我修复 bug，还有「自动课程」机制会触发， 提供另外一些新的任务目标。
那么， 请用最朴实、简明的语言，介绍一下「自动课程」的基本原理，并介绍 3 个场景案例，来探讨它是如何给 AI 智能代理提供新任务的流程？（ 图 7）
Q7：我举一个更具体玩游戏场景的例子：例如 AI 智能代理，发现自己在沙漠而不是森林中，它会如何调整它当前的任务（制作铁锹的材料在当前环境缺失）？
Q8：Voyager通过将成功的程序存储在一个矢量数据库中，逐步建立起一个技能库。每个程序都可以通过其文件串的嵌入来检索。复杂的技能是由较简单的技能合成的，这使Voyager的能力随着时间的推移而不断增强。
Q9：论文中提到，顶部：添加新技能。每个技能都通过嵌入其描述来索引，可以在将来的类似情况下检索。
底部：技能检索。当面对新的自动课程提出的任务，Voyager 会执行查询以确定前5 名相关技能。复杂的技能可以通过编写更简单的程序来合成，这加速了迭代。
请从继续描述一个「构建房屋」例子，来说明这个技能库完善的过程吧。
Q10：解释的很好， 自动课程会根据VOYAGER当前的状态和位置，借助 GPT-4 不断适应环境。 这「看上去」确实有一些生物意义的智能在里面了呢。
那么，我们再来讨论第三个重要的组件：构建技能库。请介绍下Voyager 通过将成功的程序存储在向量 DB 中来逐步构建技能库？比实现由简单技能构建复杂的技能的累进过程？（ 图 8）
Q11：论文中提到， 顶部：添加新技能。每个技能都通过嵌入其描述来索引，可以在将来的类似情况下检索。底部：技能检索。当面对新的自动课程提出的任务，Voyager 会执行查询以确定前 5 名相关技能。复杂的技能可以通过编写更简单的程序来合成，这加速了迭代。
请从继续描述一个「构建房屋」例子，来说明这个技能库完善的过程吧。
Q12： 这里有一个小问题， GPT-4 目前没有提供「视觉」能力， 那么， 构建房屋这种复杂的技能和任务， 是如何被代码实现的呢？
Q13：那么，请总结以上我们讨论，如何理解Voyaer 这种终身学习 AI 代理的主要能力；并尝试用一段话来描述这种技术的开创性价值和潜在应用场景吧。 谢谢你的 Copliot～
以上全部对话内容一次放出， 可在 Poe 网址上观赏 。Enjoy～
poe.com
76 245
来自圈子
AI探索站
79863人已经加入