3 октября, 12:21

Google DeepMind представил Dreamer 4 - первый ИИ, добывший алмазы в Minecraft без взаимодействия с игрой

Чёрный Треугольник
Чёрный Треугольник
Google представили Dreamer 4 Этот самообучающийся ИИ агент в моделируемых средах который имеет воображение Он способен с высокой точностью предсказывать взаимодействия объектов и стал первым кто успешно добывает алмазы в Minecraft среди ИИ обучаясь исключительно на оффлайн данных При этом его производительность значительно превосходит агента от OpenAI используя при этом в 100 раз меньше данных Агент также обеспечивает интерактивное взаимодействие в реальном времени на одном GPU и открывает новые горизонты для применения в робототехнике News Soft Gear Links
LOLZTEAM
LOLZTEAM
Google создала первую нейронку которая смогла добыть алмазы в Minecraft Dreamer 4 это самообучающийся ИИ имеющий собственное воображение Нейросеть способна предсказывать результаты взаимодействия и стала первой среди коллег кто смог добыть алмазы обучаясь только на оффлайн данных Помимо этого она в разы мощнее ChatGPT и использует в 100 раз меньше инструкций LOLZTEAM Подписаться
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
Google создал ИИ агента который учится играть в Minecraft не играя в него Google DeepMind представил Dreamer 4 первый ИИ агент добывший алмазы в Minecraft оффлайн без взаимодействия со средой во время обучения Ранее Google представил Dreamer 3 Dreamer 4 это масштабируемая модель мира которая позволяет учиться без взаимодействия со средой что критично для робототехники Модель решает более сложную задачу реальные действия vs абстрактные в более сложных условиях офлайн vs онлайн используя в 100 меньше данных чем предыдущие офлайн методы Модель обучалась на 2 541 часах видео используя всего 100 часов с разметкой действий и работает на 1 GPU в реальном времени Задача требует последовательности из 24 000 действий мыши и клавиатуры Хотя успешность составляет 0 7 это первое решение такой сложной задачи офлайн методом Подход важен для робототехники где реальные эксперименты небезопасны