OpenAI发布“宇宙”平台,用1000+训练环境赋予AI“类人智力”

简介:

当人工智能领域大牛在西班牙NIPS会议酒店吃早餐的时候,Open AI 宣布开源了其新平台“宇宙”(Universe)。这家由伊隆·马斯克资助的非赢利性AI开源组织,在周一的上午搞了个大新闻,相信NIPS的餐桌上一定热闹非凡。当然,Open AI后续也在NIPS的会场展示了自己的成果。

Open AI 联合创始人Greg Brockman 在Twitter上说道,“这个AI 训练架构,是我们从Open AI建立之初就在计划着的”。可见Open AI对这个平台的重视。

OpenAI发布“宇宙”平台,用1000+训练环境赋予AI“类人智力”

那么这个敢以“宇宙”命名的 Universe是个什么东西呢?

掌握人类的“普通智力”

OpenAI官网的介绍是:Universe软件平台,通过全世界的游戏、网页和其它应用,来测量和训练AI的普通智力。

在Universe上,AI智能体像人一样使用电脑:观看视频,并操作键盘和鼠标(只不过是虚拟的)。总而言之:人类可以在网络上做的事情,Universe都可以让AI智能体经历一遍,目的就是训练智能体掌握类似于人类的“普通智力”。

OpenAI发布“宇宙”平台,用1000+训练环境赋予AI“类人智力”

如今的AI技术,已经使计算机能看、能听和翻译,还能产生图像、声音和文本,AlphaGo甚至击败了李世石。

但是如今的AI技术仍然逃脱不了“窄AI”的范畴,也就是说,它可以在某一个特定领域达到超强表现,但是一旦超过这个领域,就无法工作。AlphaGo能在围棋上轻松赢过任何人,但是没法去玩其他的棋类游戏。

而Universe平台,就是为了打破“窄AI”的樊篱而诞生的。其核心架构由 Greg Brockman, Catherine Olsson和Alex Ray三人一起建构。

OpenAI创始人Ilya Sutskever在接受《连线》采访时说道:“一个AI智能体就是应该能够解决你扔给它的任何问题。”这听起来有点过于大胆了,甚至有点“天方夜谭”。但Sutskever将Universe与ImageNet作类比,他认为ImageNet帮助计算机能够像人一样地“看见”,如今谷歌和Facebook的众多app已经可以做到这一点了,而Universe要做的,就是将人工智能朝向每一个维度扩展。

1000+训练环境

早在今年4月,OpenAI 发布了一个名为Gym的工具包,用来开发和比较增强学习算法,包括了众多训练环境(Environments)。如今在Universe上,任何一个程序都可以转变成一个Gym环境。

今天发布的Universe,可以在1000多个环境里运行,包括Flash 游戏、浏览器任务等。Universe 搞定了 Valve 和 Microsoft这样的游戏巨头,获得了游戏授权。

OpenAI发布“宇宙”平台,用1000+训练环境赋予AI“类人智力”

(Universe平台的部分合作方)

其实在游戏里训练智能体不是新鲜事儿,因为游戏的内容是可控的,有清晰的奖惩机制,所以智能体在其中可以稳定地学习什么可以做,什么不可以做。比如加拿大阿尔伯塔大学提供了经典游戏Atari的学习环境,微软则基于Minecraft游戏打造了Malmo系统。

可以说,从训练智能体这一点来看,视频游戏已经给真实世界带来了积极的影响。

不过相比而言,Universe不仅可以在众多游戏环境里,还能在浏览器任务等任何网络环境里运行,其覆盖面超过了以往任何同类系统。

意义:省钱

DeepMind之前建立了一个可以在Atari游戏里训练的智能体,并使用相似的技术来对谷歌全球数据中心网络进行精细化训练,以此来节省每年数百万美金的成本支出。

Craig Quiter目前是Otto公司的工程师,这家自动驾驶卡车公司今年夏天被Uber收购。 在任职Otto之前,Quiter曾参与过Universe的开发工作,由于此前对该平台早已熟悉,他对 Universe“省钱”的功能兴致勃勃,正在打造一个可以玩“侠盗猎车手V”游戏的智能体。

OpenAI发布“宇宙”平台,用1000+训练环境赋予AI“类人智力”

目前Otto的自动驾驶系统可以在相对平稳的环境下运行,但是在未来几年,该公司希望可以随时对路上遭遇的恶劣状况做出反应,而“侠盗猎车手V”里此起彼伏的惊险车况,对于Otto的自动驾驶系统是个很好的训练素材。

Sutskever表示,在长期看来,Universe平台以后甚至可以用于“迁移学习”:智能体把一个场景中学到的东西应用到另一个场景。他表示目前已经在着手建立一些智能体,将一个赛车游戏里学到的东西,应用在新的游戏里。


相关文章:

OPEN AI LAB,这个实验室如何加速人工智能的“进化”? | 深度


本文作者:亚萌


本文转自雷锋网禁止二次转载,原文链接

相关文章
|
8天前
|
机器学习/深度学习 人工智能 物联网
MiniMind:2小时训练出你的专属AI!开源轻量级语言模型,个人GPU轻松搞定
MiniMind 是一个开源的超小型语言模型项目,帮助开发者以极低成本从零开始训练自己的语言模型,最小版本仅需25.8M参数,适合在普通个人GPU上快速训练。
159 10
MiniMind:2小时训练出你的专属AI!开源轻量级语言模型,个人GPU轻松搞定
|
1天前
|
存储 人工智能 Cloud Native
小鹏汽车选用阿里云PolarDB,开启AI大模型训练新时代
PolarDB-PG云原生分布式数据库不仅提供了无限的扩展能力,还借助丰富的PostgreSQL生态系统,统一了后台技术栈,极大地简化了运维工作。这种强大的组合不仅提高了系统的稳定性和性能,还为小鹏汽车大模型训练的数据管理带来了前所未有的灵活性和效率。
|
2天前
|
Web App开发 人工智能 JavaScript
Nanobrowser:开源版OpenAI Operator!AI自动操控浏览器,复杂网页任务一键搞定
Nanobrowser 是一款开源的 Chrome 扩展工具,基于多智能体系统实现复杂的网页任务自动化,支持多种大型语言模型,完全免费且注重隐私保护。
79 1
|
6天前
|
人工智能 运维 自然语言处理
2025保姆级JupyterLab 4.0安装指南|全平台部署+AI编程环境配置
JupyterLab 是下一代交互式计算开发环境,2025年发布的4.0版本新增多语言内核支持(Python/R/Julia/JavaScript一键切换)、实时协作功能、AI辅助编程(集成GPT-5代码补全与错误诊断)和可视化调试器等特性。本文详细介绍其技术定位、跨平台安装方案、安装流程、高阶功能配置、典型应用场景及故障排查指南,帮助用户高效使用JupyterLab进行开发。
|
14天前
|
人工智能
D1net阅闻 | OpenAI进军虚拟助手领域 AI智能体加速迈入商业化阶段
D1net阅闻 | OpenAI进军虚拟助手领域 AI智能体加速迈入商业化阶段
|
14天前
|
机器学习/深度学习 人工智能 搜索推荐
上百万智能体在OASIS模拟平台上玩推特,AI玩社交媒体和真人有多像?
OASIS是一个模拟平台,利用大型语言模型(LLM)驱动的智能体模拟社交媒体上的行为,研究复杂社会系统现象。它模仿推特和Reddit等平台,支持动态环境、多样行动和推荐系统。通过模拟上百万个智能体,OASIS帮助研究人员大规模分析信息传播和社会互动,但仍面临规模、行为多样性及伦理隐私挑战。论文:https://arxiv.org/abs/2411.11581
32 6
|
15天前
|
机器学习/深度学习 人工智能 Kubernetes
容器化AI模型部署实战:从训练到推理
在上一篇中,我们探讨了AI技术如何赋能容器化生态。本篇聚焦于AI模型的容器化部署,通过图像分类任务实例,详细介绍了从模型训练到推理服务的完整流程。使用PyTorch训练CNN模型,Docker打包镜像,并借助Kubernetes进行编排和部署,最终通过FastAPI提供推理服务。容器化技术极大提升了AI模型部署的便利性和管理效率,未来将成为主流趋势。
|
15天前
|
人工智能 数据可视化 数据处理
PySpur:零代码构建AI工作流!开源可视化拖拽平台,支持多模态与RAG技术
PySpur 是一款开源的轻量级可视化 AI 智能体工作流构建器,支持拖拽式界面,帮助用户快速构建、测试和迭代 AI 工作流,无需编写复杂代码。它支持多模态数据处理、RAG 技术、文件上传、结构化输出等功能,适合非技术背景的用户和开发者快速上手。
145 5
|
11天前
|
存储 人工智能 Serverless
AI 短剧遇上函数计算,一键搭建内容创意平台
AI 短剧遇上函数计算,一键搭建内容创意平台
|
13天前
|
SQL 人工智能 大数据
【4月重点功能发布】阿里云大数据+ AI 一体化平台
【4月重点功能发布】阿里云大数据+ AI 一体化平台

热门文章

最新文章