研究者らはまた、Gemini を使用して SIMA 2 用の新しいタスクを生成しました。エージェントが失敗した場合、最初に Gemini はヒントを生成し、SIMA 2 が再試行したときにそれが反映されました。このようにしてタスクを複数回繰り返すことで、SIMA 2 は成功するまで試行錯誤して改善できることがよくあった、とマリーノ氏は言いました。
神を与える
SIMA 2 はまだ実験段階です。エージェントは、完了までに複数の手順とより多くの時間を必要とする複雑なタスクに苦労しています。また、最新のやり取りのみを記憶します (SIMA 2 の応答性を高めるために、チームは長期記憶をカットしました)。また、マウスとキーボードを使用して仮想世界と対話することに関しても、人々にはまだ及びません。
ニューヨーク大学のAI研究者で、創造性とビデオゲームに取り組むジュリアン・トゲリウス氏は、これは興味深い結果だと考えている。単一のシステムをトレーニングして複数のゲームをプレイできるようにするというこれまでの試みはあまりうまくいかなかった、と彼は言う。それは、画面を見るだけで複数のゲームを制御するモデルをトレーニングするのは簡単ではないためです。「視覚入力のみでリアルタイムにプレイするのは『ハード モード』です」と彼は言います。
それでも、SIMA 2 がより優れたロボットにつながるかどうかについては、彼はオープンな考えを持っています。 「現実の世界はビデオゲームよりも難しくもあり、簡単でもあります」と彼は言います。 Aを押すだけでドアを開けることができないので、さらに難しくなります。同時に、現実世界のロボットはいつでも、自分の体が何ができるのか、何ができないのかを正確に知ることができます。ビデオ ゲームの場合はそうではなく、各仮想世界内のルールが異なる場合があります。
もっと懐疑的な人もいます。アルバータ大学の AI 研究者 Matthew Guzdial 氏は、SIMA 2 がさまざまなビデオ ゲームをプレイできることにそれほど驚きません。彼は、ほとんどのゲームのキーボードとマウスのコントロールは非常に似ており、1 つ学べばすべてを学ぶことができると述べています。 「変な入力が入ったゲームを目の前に置くと、うまく動作しないと思います」と彼は言います。
グズディアル氏はまた、SIMA 2 が学習したことのどれだけが実際にロボットに引き継がれるのかについても疑問を抱いています。 「人間のプレイヤーが簡単に解析できるビジュアルを備えたゲームに比べて、現実世界のカメラからのビジュアルを理解するのははるかに困難です」と彼は言います。
それでも、マリーノと彼の同僚は、Genie 3 での作業を継続して、一種の無限の仮想トレーニング道場内でエージェントが向上できるようにしたいと考えています。Genie は、Gemini のフィードバックに導かれて試行錯誤しながら SIMA が学習できる世界を生成します。同氏は記者会見で「われわれは可能性のほんの表面をなぞっただけだ」と語った。
#Google #Deepmind #は #Gemini #を使用して #Goat #Simulator #内でエージェントをトレーニングしています