00:00 / 14:10
连播
清屏
智能
倍速
点赞128
谷歌DeepMind发布会玩游戏的AI通用人工智能SIMA2 #AI #人工智能 #玩游戏 #游戏玩家 #失控玩家 Google DeepMind 近期发布了 SIMA 2(Scalable Instructable Multiworld Agent 2),这是其通用游戏 AI 智能体 SIMA 的最新迭代版本。SIMA 的目标是创建一个能够像人类玩家一样,跨越多个不同 3D 虚拟世界,理解并执行自然语言指令的 AI。SIMA 2 的问世,被视为朝着实现通用人工智能(AGI)和具身 AI 机器人迈出的重要一步。 SIMA 2 的最大突破在于其通用性和可指令性。它不再像过去的 AlphaGo 等 AI 那样,仅针对特定游戏(如围棋)进行训练,而是致力于在各种类型的 3D 游戏中表现出灵活、泛化的能力。 1. 跨游戏学习与泛化能力: SIMA 2 的训练数据来源于数十款不同的 3D 游戏,包括模拟经营、开放世界探险和第一人称视角的生存游戏等。这种多样化的训练使其具备了跨游戏学习的能力。这意味着 SIMA 2 在一个游戏中学到的基础技能(例如移动、跳跃、与环境互动)可以被迁移和应用到另一个完全不同的游戏环境中。这对于游戏开发者来说具有里程碑意义,因为它预示着 AI 可以在不同游戏内容之间进行知识转移。 2. 强大的自然语言理解: SIMA 2 的核心功能是能够接收并理解人类玩家用自然语言发出的指令。例如,玩家可以说:“去采一些木头”,“找到最近的村庄”,或者“制作一把斧头”。SIMA 2 能够将这些高层次的、模糊的指令,分解成一系列具体的、可执行的键盘和鼠标操作,并在游戏中完成任务。 3. 结合 Gemini 模型: SIMA 2 结合了 DeepMind 的 Gemini 大型语言模型(LLM)的强大能力。这使得 SIMA 2 在处理指令时,拥有更强的推理、规划和上下文理解能力。它不仅仅是执行动作,而是能够: 长远规划: 根据指令制定多步骤的行动序列。 上下文感知: 理解当前游戏状态和玩家意图。 解决问题: 在遇到障碍时,灵活调整策略以达成目标。 ⚙️ SIMA 2 的技术实现 SIMA 2 的训练过程涉及大规模数据采集,包括人类玩家在数十款游戏中的视频和操作记录。通过观察人类玩家如何根据指令进行操作,SIMA 2 学会了将语言输入与游戏中的视觉输入(画面)和操作输出(键盘/鼠标命令)联系起来。
00:00 / 01:24
连播
清屏
智能
倍速
点赞32
00:00 / 01:53
连播
清屏
智能
倍速
点赞4888
00:00 / 01:45
连播
清屏
智能
倍速
点赞2
00:00 / 44:00
连播
清屏
智能
倍速
点赞NaN
00:00 / 01:52
连播
清屏
智能
倍速
点赞15
00:00 / 01:34
连播
清屏
智能
倍速
点赞NaN