【通用人工智能的新宇宙】OpenAI 重磅发布AGI测试训练平台Universe

【新智元导读】OpenAI 昨天发布 OpenAI Universe, 根据其官方博客的介绍,这是一个能在几乎所有环境中衡量和训练 AI 通用智能水平的开源平台,当下的目标是让 AI 智能体能像人一样使用计算机。目前,Universe 已经有1000种训练环境,由微软、英伟达等公司参与建设。研究人员介绍说,Universe 从李飞飞等人创立的 ImageNet 上获得启发,希望把 ImageNet 在降低图像识别错误率上的成功经验引入到通用人工智能的研究上来,取得实质进展。

继今年 4 月发布 OpenAI Gym 之后,OpenAI 昨天又推出了新平台—— Universe: 一个用于训练解决通用问题 AI 的基础架构。

根据官博介绍,Universe 是一个能在世界上所有的游戏、网站和其他应用中,衡量和训练 AI 通用智能的软件平台。

Universe 要让 AI 智能体能像人一样使用计算机:通过看显示屏,操作虚拟键盘和鼠标。我们必须全方位地训练 AI 系统,解决我们想要它们解决的问题,而 Universe 则让我们能够训练单一的智能体,执行任何人类能使用计算机来完成的任务。

今年 4 月,OpenAI 发布了 OpenAI Gym,后者是一套用于开发和比较强化学习算法的工具。有了 Universe,任何程序都能被接入(be turned into)到 OpenAI Gym 的环境中。Universe 通过在 VNC 远程桌面后自动启动程序来运作,不需要任何特殊的程序接口、源代码或 bot API。

OpenAI 当前发布的版本含有 1000 个环境,包括 Flash 游戏、浏览器任务(browser tasks),以及像 slither.io 和 GTA V 这样的游戏。还有更多这类环境可供训练强化学习,几乎所有都能在 Universe 运行,使用 universe Phython 库运行

以上样本代码将让你的 AI 开始玩 Flash 游戏《Dusk Drive》。当然,你得安装 Docker 和 universe才行。

我们的目标是开发单一的一个 AI 智能体,使其能够灵活运用过去在 Universe 中的经验,快速在陌生和困难的环境中取得掌控权,这也是通往通用智能的重要一步。

你可以以很多种方式参与 OpenAI Universe:授权 OpenAI 使用你的游戏、在 Universe 不同任务中训练智能体,以及接下来即将推出的整合新游戏,以及让智能体玩这些新的游戏。

Universe 部分参与单位,完整列表见文末

背景

人工智能领域在过去几年中取得了快速进展。计算机现在可以以前所未有的精度查看、听取和翻译语言。计算机也在学习生成图像、声音和文本。强化学习系统 AlphaGo 击败了人类世界围棋冠军。然而,尽管取得了所有这些进步,目前的 AI 系统仍然属于“狭义AI”——可以在特定领域实现超人的表现,但缺乏在该领域外合理执行任务的能力。例如,AlphaGo可以轻松地在围棋上击败你,但你不能期望让它陪你一起玩其他游戏。

具有一般问题解决能力的系统——类似于拥有人类常识,让智能体能够快速解决新的困难任务——目前仍然是不存在的。一个显而易见的挑战是,现在的智能体还不能将其经验携带到新的任务中。在标准训练制度下,智能体从零开始初始化,随机抽取数千万试验中的一个,经过不断试错、学会重复行为,最终得到有益的结果。如果要向通用 AI 智能体取得进展,我们必须让智能体经历一系列不同的任务,以便它们能够发展出关于世界的知识和解决问题的策略,以便在新任务中有效地重复使用这些东西。

通用框架

Universe 通过一个通用的接口适用于各种场景:智能体通过捕捉屏幕的像素生成对键盘和鼠标的命令来操作远程桌面。场景需要 VNC 服务器,universe 库将智能体转换为 VNC 客户端。

Universe 的设计目标是支持单个的 Python 进程,以每秒60帧的速度并行驱动20个场景。每个屏幕的缓冲区是 1024×768,因此用外部进程直接读取每一帧需要3GB/s的内存带宽。我们用 Go 写了一个面向批处理的VNC服务器,它可以作为Python共享库加载,并且逐步更新每个场景的一对缓冲区。在尝试了许多 VNC 服务器、编码器和无证书协议选项的组合之后,现在的组合能以60帧/秒的速度驱动几十个场景,延迟是100毫秒——这些延迟几乎都是服务器端编码引起的。

以下是我们当前实现的一些重要特性:

通用性。智能体可以使用这个接口(最初是为人类设计的)与现有的任何计算机程序交互,而不需要仿真器或接入程序内部。例如,智能体可以玩任何一款计算机游戏,与终端交互,浏览网页,使用 CAD 软件制图,使用图片编辑软件或者编辑电子表格,等等。

熟悉性。由于人们已经非常熟悉这些像素/键盘/鼠标的界面,人们可以轻松操作universe的任何场景。我们可以使用人类表现作为有意义的基准,只需简单地保存 VNC 流量记录跟踪人类的演示。我们发现,在转换到增强学习为给定的激励函数进行优化前,这些演示在对使用行为克隆(即使用监督学习模拟人类行为)的合理策略的智能体进行初始化时非常有用。

以 VNC 作为标准。VNC 的许多实现都可以在线使用,而且包括 OSX 在内的一些实现已经默认封装到常见的操作系统中。在 JavaScript 中甚至有允许用户提供演示而无需安装任何新软件的 VNC 实现——这对 Amazon Mechanical Turk 之类的服务非常重要。

易于调试。我们可以在智能体正在训练或评估时进行调试,只需将 VNC 客户端附加到共享环境的 VNC 桌面。还可以保存 VNC 流量供以后分析。

我们都很惊讶 VNC 的作用如此强大。随着我们的游戏更大型,我们将开始使用额外的后端技术。但初步的迹象表明,现有的实现能够更好:设置正确的话,用户能够以每秒20帧的速率在公共互联网上运行 GTA V。

环境

我们已经在Universe中加入了大量的运行环境,并且,我们认为这仅仅是一个开始。每一个环境都被打包成一个Docker图像,包含了两个服务器,来与外部的环境进行沟通:VNC服务器会向显示器发出信号,并接收键盘或者鼠标发出的指令;WebSocket 服务器会发出强化学习任务所反馈的信号(以及所有的辅助信息,比如文本或者诊断),此外,还会接收控制信息(比如要运行的具体环境ID)。

Atari 游戏

Universe 包含Arcade 学习环境中的2600种Atari游戏。这些环境现在在quay.io/openai/universe.gym-core 的Docker 图像上异步运行,并允许智能体在网络之上进行连接,这意味着智能体必须要处理延时和低帧率。通过在云上的局部网络上运行,我们通常可以达到60帧每秒,观察滞后20毫秒,行动滞后10毫秒。在整个公共的互联网上,能降到20帧每秒,观察滞后80毫秒,行动滞后30毫秒。

Flash 游戏

在 Universe 的扩展上,我们把Flash 游戏作为一个起始点,这些游戏在互联网上几乎是无处不在dd ,总体上特征比Atari 要丰富得多,但是个体上依然非常简单。我们已经筛选了超过3万个游戏,并预计,还有一个数量级的游戏没有收录。

最初发布的 Universe 包含了1000个Flash 游戏(其中有100个有回馈函数),在获得所有权持有者的同意之后,我们把它们发布在了 quay.io/openai/universe.flashgames Doker image上。此图像开启TigerVNC服务器并启动Python控制服务器,该控制服务器使用Selenium将所需游戏的Chrome浏览器打开到容器内页面,并自动点击启动游戏所需的任何菜单。

提取回馈

虽然没有回馈函数的环境可用于无监督学习,或者用于生成类人的展示,但是,强化学习(RL)需要回馈函数。与Atari游戏不同,我们不能简单地从对内存的处理中读取成功的标准,并且,关于每一个游戏如何储存这些信息,其中还有很多的变量。

幸运的是,许多游戏都会有显示在屏幕上的得分情况,这可以当成是一个回馈函数,只要我们能合理地解释这些分数。虽然现成的OCR(例如Tesseract)在具有干净背景的标准字体上表现很好,但它在许多游戏中常常遇到多样字体,移动背景,动画或遮挡物体等难题。

我们开发了一个基于卷积神经网络的OCR模型,该模型在Docker容器的Python控制器中运行,解析得分(通过VNC自循环维护的屏幕缓冲区),并通过WebSocket通道将其传递给智能体。 我们的得分OCR模型发挥了作用。人类积分等级员提供了分数的上下界限。 OCR模型以每秒60帧的速度解析分数。

浏览器任务

在人类集体的努力下,现在互联网已经被建设成一个关于信息的巨大宝藏,用于人类的视觉消费。Universe 包含了给予浏览的环境,这些环境要求AI 智能体能读、导航,像人类一样使用网站、显示器、键盘和鼠标。

目前,我们的智能体主要学习与常见的用户交互元素(如按钮,列表和滑块)进行交互,但是将来他们可以完成更复杂的任务,例如在互联网上查找他们不知道的事情,管理电子邮件或日历,完成Khan Academy课程,或者完成亚马逊 Mechanical Turk 和CrowdFlower 等任务。

Mini World of Bits

我们首先计划创建一个新的基准,能在一个简单的设定下,捕捉浏览器交互中的一个的一个显要难题。我们把这个基准称为 Mini World of Bits.

我们认为这可以跟MNIST类比,并且认为,能够掌握这些环境为模型和训练技术提供了有价值的信息,这些技术将在整个网站和更复杂的任务上有良好的表现。我们最初的Mini World of Bits 基准包括80个环境,从简单(例如,点击特定按钮)到困难(例如,在模拟电子邮件客户端中回复联系人)都有。

现实世界中的浏览任务。我们已经开始在更加具有现实意义的浏览任务上进行研究。智能体在获得一份说明书后,开始在网页上执行一系列任务。一个这样的环境交给智能体一个具体的任务:预定航班。要求其操纵用户界面以搜索航班。 (我们使用这些网站的缓存记录,以避免发送垃圾邮件,或预订大量真实的航班)。

未来的融合

这种基础设施是通用的:我们可以集成任何可以在Docker容器(最方便)或Windows虚拟机(不太方便)中运行的游戏,网站或应用程序。我们希望获得整个研究社区的帮助,继续延伸Universe环境的广度,包括完成合作伙伴的游戏、Android应用程序(模拟器可以在Docker内部运行)、fold.it、Unity游戏、HTML5游戏、在线教育游戏等等,以及别人能想到的任何事。 微软的Malmo团队将与Universe集成,我们也期待着支持其他AI框架。

OpenAI 研究员还在文章中表示,研究进步要求对其水平进行有实际意义的衡量。在接下来的几周内,他们将发布一个迁移学习基准,允许研究人员确定他们是否在机器的通用问题解决能力研究方面取得进展。

Universe 从计算机视觉 ImageNet 数据集的发展中获得灵感。李飞飞和她的合作者故意把 ImageNet 的基准设计为几乎不可能做到的,但图像识别的错误率从2010年的28%迅速下降到2016年的3%,达到(在某些情况下甚至超过)人类的水平。如果AI社区在Universe 上也一样发展的话,那么我们在研究普适性的、通用的人工智能系统上,将会取得真正的进展。

负责人及鸣谢

  • Acquisition & partnerships: Erin Pettigrew, Jack Clark
  • Core infrastructure: Greg Brockman, Catherine Olsson, Alex Ray
  • Demonstrations: Tom Brown, Jeremy Schlatter, Marie La, Catherine Olsson
  • Distributed training infrastructure: Vicki Cheung, Greg Brockman, Jonas Schneider
  • Documentation & communications: Jack Clark, Andrej Karpathy, Catherine Olsson
  • Environment integrations: Alec Radford, Jonathan Gray, Tom Brown, Greg Brockman, Alex Ray, Catherine Olsson, Trevor Blackwell, Tambet Matiisen, Craig Quiter
  • Initial agent results: Rafal Jozefowicz, Dario Amodei, Ilya Sutskever, Jonathan Ho, Trevor Blackwell, Yaroslav Bulatov
  • Remote environment management: Vicki Cheung, Greg Brockman, Catherine Olsson, Jie Tang
  • RL baselines: Dario Amodei, Harri Edwards
  • Website: Ludwig Petterson, Jie Tang, Tom Brown, Alec Radford, Jonas Schneider, Szymon Sidor
  • World of Bits: Andrej Karpathy, Tianlin (Tim) Shi, Linxi (Jim) Fan, Jonathan Hernandez, Percy Liang

以下单位是 Universe 关键合作伙伴:EA, Valve, Microsoft, NVIDIA, Kongregate, Newgrounds, Yacht Club Games, Zachtronics, Ludeon Studios, Monomi Park, 2D Boy, Adam Reagle, Alvin Team, Rockspro, Anubhav Sharma, Arkadium, Beast Games, Char Studio, Droqen, Percy Pea, deeperbeige, Denny Menato, Dig Your Own Grave, Free World Group, Gamesheep, Hamumu Software, Hemisphere Games, Icy Lime, Insane Hero, inRegular Games, JackSmack, Nocanwin, Joe Willmott, Johnny Two Shoes, The Gamest Studio, László Cziglédszky, Madalin Games, Martian Games, Mateusz Skutnik, Mikalay Radchuk, Neutronized, Nitrome, ooPixel, PacoGames, Pixelante, Plemsoft, Rob Donkin, robotJam, Rumble Sushi 3D, SFB Games, Simian Logic, Smiley Gamer, Sosker, tequibo, kometbomb, ThePodge, Vasco Freitas, Vitality Games, Wolve Games, Xform Games, XGen Studios

关于如何操作使用 OpenAI Universe 的介绍以及其他具体内容,可以访问官方博客介绍网页:https://openai.com/blog/universe/

【OpenAI Universe】https://universe.openai.com/

(责编:WF)

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-12-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏顶级程序员

自己动手做一辆无人车!

我刚刚帮助我的朋友Kendrick完成了一个小的项目。我们制作了一个小汽车,你可以教会它怎么行驶,让它成为一辆小型无人车。我负责了所有的硬件和arduino软件...

4137
来自专栏新智元

OpenAI 开源集成自驾开发环境 Universe+GTA V,含代码及预训练 AI 代理

由 Craig Quite 的 DeepDrive 项目搭建和维护的、加入了 Grand Theft Auto V 的 Universe(OpenAI 的人工智...

43213
来自专栏SDNLAB

SD-WAN是否会取代边缘路由?

软件定义广域网(SD-WAN)会取代边缘路由吗?随着SD-WAN持续增长,这个问题变得日益突出,答案比想象中更加复杂。造成这种复杂性的原因在于如何定义边缘路由,...

3066
来自专栏人工智能LeadAI

一个优雅的框架 | Pytorch 初体验

pytorch是啥呢?其实pytorch是一个python优先的深度学习框架,是一个和tensorflow,Caffe,MXnet一样,非常底层的框架,它的前身...

4359
来自专栏点点滴滴

Western Blot一抗的选择

4563
来自专栏AI科技评论

DeepMind发布Sonnet,帮你用TensorFlow快速搭建神经网络

去年 DeepMind 作出决定,将全部研究搬到 TensorFlow 框架上进行。 近一年时间过去,回头来看,DeepMind 认为这项选择十分正确——许多模...

2886
来自专栏有刻

笔记与随想 — 解决问题

3866
来自专栏ATYUN订阅号

微软推出iPad应用Earth Lens,使用AI来检测卫星图像中的物体

微软Garage的最新项目之一,利用AI来确定卫星图像中需要注意的精确项目。Earth Lens是今天推出的一款新的开源iPad应用程序,识别,跟踪和分析距离地...

1023
来自专栏AI研习社

如何用TensorFlow快速搭建神经网络?来看看DeepMind新开源工具Sonnet!

去年 DeepMind 作出决定,将全部研究搬到 TensorFlow 框架上进行。 近一年时间过去,回头来看,DeepMind 认为这项选择十分正确——许多模...

3629
来自专栏专知

【干货】ACL 2018 鲁棒、无偏的NLP训练方法

【导读】近日举办的ACL workshop,为大家带来了很多业界的最新实践方法。本文为大家准备了3rd Workshop on Representation l...

890

扫码关注云+社区

领取腾讯云代金券