给游戏行业来点GPT-4式震撼？这个叫Voyager的智能体不仅可以根据游戏的反馈自主训练，而且还能自行写代码推动游戏任务。
继斯坦福的25人小镇后，AI智能体又出爆款新作了。
最近，英伟达首席科学家Jim Fan等人把GPT-4整进了「我的世界」（Minecraft）——提出了一个全新的AI智能体Voyager。
Voyager的厉害之处在于，它不仅性能完胜AutoGPT，而且还可以在游戏中进行全场景的终身学习！
比起之前的SOTA，Voyager获得的物品多出了3.3倍，旅行距离变长了2.3倍，解锁关键技能树的速度快了15.3倍。
对此，网友直接震惊了：我们离通用人工智能AGI，又近了一步。
所以，未来的游戏，就是由大模型带动NPC来玩的吧？
真·数字生命
接入GPT-4之后，Voyager根本不用人类操心，完全就是自学成才。
它不仅掌握了挖掘、建房屋、收集、打猎这些基本的生存技能，还学会了自个进行开放式探索。
它会自己去到不同的城市，路过一片片海洋，一座座金字塔，甚至还会自己搭建传送门。
通过自我驱动，它不断探索着这个神奇的世界，扩充着自己的物品和装备，配备不同等级的盔甲，用盾牌格挡上海，用栅栏圈养动物……
Voyager的英勇事迹包括但不限于——
大战末影人
造基地
挖紫水晶
挖金子
收集仙人掌
打猎
钓鱼
数字生命的潜能究竟有多大？我们只知道，现在Voyager仍然在Minecraft中一刻不停地探索，不断扩展着自己的疆域。
「训练」无需梯度下降
此前，AI领域的一大挑战就是，构建具有通用能力的具身智能体，让它们在开放世界中自主探索，自行发展新技能。
以往，学界都是采用强化学习和模仿学习，但这些方法在系统化的探索、可解释性和泛化性等方面，表现往往差强人意。
大语言模型的出现，给构建具身智能体带来了全新的可能性。因为基于LLM的智能体可以利用预训练模型中蕴含的世界知识，生成一致的行动计划或可执行策略，这就非常适合应用于游戏和机器人之类的任务。
此前，斯坦福研究者构建出生活着25个AI智能体的虚拟小镇，震惊了AI社区
这种智能体还有一个好处就是，不需要具体化的自然语言处理任务。
然而，这些智能体仍然无法摆脱这样的缺陷——无法终身学习，因而不能在较长时间跨度上逐步获取知识，并且将它们积累下来。
而这项工作最重要的意义就在于，GPT-4开启了一种新的范式：这个过程中是靠代码执行「训练」，而非靠梯度下降。
Jim Fan解释道：我们在BabyAGI/AutoGPT之前就有了这个想法，花了很多时间找出最好的无梯度架构
「训练模型」是Voyager迭代式构建的技能代码库，而非浮点数矩阵。通过这种方法，团队正在将无梯度架构推向极限。
在这种情况下训练出的智能体，已经具备了同人类一样的终身学习能力。
比如，Voyager如果发现自己处在沙漠而非森林中，就会知道学会收集沙子和仙人掌就比学会收集铁矿更重要。
而且，它不仅能根据目前的技能水平和世界状态明确自己最合适的任务，还能根据反馈不断完善技能，保存在记忆中，留在下次调用。
所以，我们离硅基生命出现还有多远？
刚刚回到OpenAI的Karpathy对这个工作表示盛赞：这是个用于高级技能的「无梯度架构」。在这里，LLM就相当于是前额叶皮层，通过代码生成了较低级的mineflayer API。
Karpathy回忆起，在2016年左右，智能体在Minecraft环境中的表现还很让人绝望。当时的RL只能从超稀疏的奖励中随机地探索执行长期任务的方式，让人感觉非常stuck。
而现在，这个障碍已经在很大程度上被解除了——正确的做法是另辟蹊径，首先训练LLM从互联网文本上学习世界知识、推理和工具使用（尤其是编写代码），然后直接把问题抛给它们。
最后他感慨道：如果我在2016年就读到这种对智能体的「无梯度」方法，我肯定会大吃一惊。
微博大V「宝玉xp」也对这个工作给予了高度评价——
真的是了不起的尝试，整个代码都是开源的，这种自动生成任务->自动写代码执行任务->保存一个代码库可以重用的思路，应该是可以很容易应用到其他领域。
Voyager
与其他AI研究中常用的游戏不同，Minecraft并没有强加预定义的终点目标或固定的剧情线，而是提供了一个具有无尽可能性的游乐场。
对于一个有效的终身学习智能体来说，它应该具有与人类玩家类似的能力：
1. 根据其当前的技能水平和世界状态提出适当的任务，例如，如果它发现自己是在沙漠而不是森林中，就会在学习收集铁之前学习收集沙子和仙人掌
2. 基于环境反馈来完善技能，并将掌握的技能记入记忆，以便在类似情况下重复使用（例如，与僵尸战斗与与蜘蛛战斗类似）
3. 持续探索世界，以自我驱动的方式寻找新的任务。
为了让Voyager具有上述这些能力，来自英伟达、加州理工学院、得克萨斯大学奥斯汀分校和亚利桑那州立大学的团队提出了3个关键组件：
1. 一个迭代提示机制，能结合游戏反馈、执行错误和自我验证来改进程序
2. 一个技能代码库，用来存储和检索复杂行为
3. 一个自动教程，可以最大化智能体的探索
首先，Voyager会尝试使用一个流行的Minecraft Javascript API（Mineflayer）来编写一个实现特定目标的程序。
虽然程序在第一次尝试时就出错了，但是游戏环境反馈和Javascript执行错误（如果有的话）会帮助GPT-4改进程序。
左：环境反馈。GPT-4意识到在制作木棒之前还需要2块木板。
右： 执行错误。GPT-4意识到它应该制作一把木斧，而不是一把「相思木」斧，因为Minecraft中并没有「相思木」斧。
通过提供智能体当前的状态和任务，GPT-4会告诉程序是否完成了任务。
此外，如果任务失败了，GPT-4还会提出批评，建议如何完成任务。
自我验证
其次，Voyager通过在向量数据库中存储成功的程序，逐步建立一个技能库。每个程序可以通过其文档字符串的嵌入来检索。
复杂的技能是通过组合简单的技能来合成的，这会使Voyager的能力随着时间的推移迅速增长，并缓解灾难性遗忘。
上：添加技能。每个技能都由其描述的嵌入索引，可以在将来的类似情况中检索。
下：检索技能。当面对自动课程提出的新任务时，会进行查询并识别前5个相关技能。
第三，自动课程会根据智能体当前的技能水平和世界状态，提出合适的探索任务。
例如，如果它发现自己在沙漠而非森林中，就学习采集沙子和仙人掌，而不是铁。
具体来说，课程是由GPT-4基于「发现尽可能多样化的东西」这个目标生成的。
自动课程
实验
接下来，让我们看一些实验！
团队将Voyager与其他基于LLM的智能体技术进行了系统性的比较，比如ReAct、Reflexion，以及在Minecraft中广受欢迎的AutoGPT。
在160次提示迭代中，Voyager发现了63个独特的物品，比之前的SOTA多出3.3倍。
寻求新奇的自动课程自然会驱使Voyager进行广泛的旅行。即使没有明确的指示，Voyager也会遍历更长的距离（2.3倍），访问更多的地形。
相比之下，之前的方法就显得非常「懒散」了，经常会在一小片区域里兜圈子。
地图探索率
那么，经过终身学习后的「训练模型」——技能库，表现如何呢？
团队清空了物品/护甲，生成了一个新的世界，并用从未见过的任务对智能体进行了测试。
可以看到，Voyager解决任务的速度明显比其他方法更快。
值得注意的是，从终身学习中构建的技能库不仅提高了Voyager的性能，也提升了AutoGPT的性能。
这表明，技能库作为一种通用工具，可以有效地作为一个即插即用的方法来提高性能。
零样本泛化
上图中的数字是三次试验中提示迭代的平均值。迭代次数越少，方法越有效。可以看到，Voyager解决了所有的任务，而AutoGPT经过50次提示迭代都无法解决。
此外，与其他方法相比，Voyager在解锁木工具上快了15.3倍，石工具快8.5倍，铁工具快6.4倍。而且拥有技能库的Voyager是唯一解锁钻石工具的。
技能树掌握情况（木工具 → 石工具 → 铁工具 → 钻石工具）
目前，Voyager只支持文本，但在未来可以通过视觉感知进行增强。
在团队进行的一个初步研究中，人类可以像一个图像标注模型一样，向智能体提供反馈。
从而让Voyager能够构建复杂的3D结构，比如地狱门和房子。
结果表明，Voyager的性能优于所有替代方案。此外，GPT-4在代码生成方面也明显优于GPT-3.5。
消融实验
结论
Voyager是第一个由LLM驱动、可以终身学习的具身智能体。它可以利用GPT-4不停地探索世界，开发越来越复杂的技能，并始终能在没有人工干预的情况下进行新的发现。
在发现新物品、解锁Minecraft技术树、穿越多样化地形，以及将其学习到的技能库应用于新生成世界中的未知任务方面，Voyager表现出了优越的性能。
对于通用智能体的开发来说，无需调整模型参数的Voyager是可以作为一个起点的。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
