繼斯坦福的25人小鎮后，AI智能體又出爆款新作了。

最近，英偉達首席科學家Jim Fan等人把GPT-4整進了「我的世界」（Minecraft）——提出了一個全新的AI智能體Voyager。

Voyager的厲害之處在于，它不僅性能完勝AutoGPT，而且還可以在游戲中進行全場景的終身學習！

比起之前的SOTA，Voyager獲得的物品多出了3.3倍，旅行距離變長了2.3倍，解鎖關鍵技能樹的速度快了15.3倍。

對此，網友直接震驚了：我們離通用人工智能AGI，又近了一步。

所以，未來的游戲，就是由大模型帶動NPC來玩的吧？

真·數字生命

接入GPT-4之后，Voyager根本不用人類操心，完全就是自學成才。

它不僅掌握了挖掘、建房屋、收集、打獵這些基本的生存技能，還學會了自個進行開放式探索。

它會自己去到不同的城市，路過一片片海洋，一座座金字塔，甚至還會自己搭建傳送門。

通過自我驅動，它不斷探索著這個神奇的世界，擴充著自己的物品和裝備，配備不同等級的盔甲，用盾牌格擋上海，用柵欄圈養動物……

論文地址：https://arxiv.org/abs/2305.16291

項目地址：https://voyager.minedojo.org/

Voyager的英勇事跡包括但不限于——

大戰末影人

造基地

挖紫水晶

挖金子

收集仙人掌

打獵

釣魚

數字生命的潛能究竟有多大？我們只知道，現在Voyager仍然在Minecraft中一刻不停地探索，不斷擴展著自己的疆域。

「訓練」無需梯度下降

此前，AI領域的一大挑戰就是，構建具有通用能力的具身智能體，讓它們在開放世界中自主探索，自行發展新技能。

以往，學界都是采用強化學習和模仿學習，但這些方法在系統化的探索、可解釋性和泛化性等方面，表現往往差強人意。

大語言模型的出現，給構建具身智能體帶來了全新的可能性。因為基于LLM的智能體可以利用預訓練模型中蘊含的世界知識，生成一致的行動計劃或可執行策略，這就非常適合應用于游戲和機器人之類的任務。

此前，斯坦福研究者構建出生活著25個AI智能體的虛擬小鎮，震驚了AI社區

這種智能體還有一個好處就是，不需要具體化的自然語言處理任務。

然而，這些智能體仍然無法擺脫這樣的缺陷——無法終身學習，因而不能在較長時間跨度上逐步獲取知識，并且將它們積累下來。

而這項工作最重要的意義就在于，GPT-4開啟了一種新的范式：這個過程中是靠代碼執行「訓練」，而非靠梯度下降。

Jim Fan解釋道：我們在BabyAGI/AutoGPT之前就有了這個想法，花了很多時間找出最好的無梯度架構

「訓練模型」是Voyager迭代式構建的技能代碼庫，而非浮點數矩陣。通過這種方法，團隊正在將無梯度架構推向極限。

在這種情況下訓練出的智能體，已經具備了同人類一樣的終身學習能力。

比如，Voyager如果發現自己處在沙漠而非森林中，就會知道學會收集沙子和仙人掌就比學會收集鐵礦更重要。

而且，它不僅能根據目前的技能水平和世界狀態明確自己最合適的任務，還能根據反饋不斷完善技能，保存在記憶中，留在下次調用。

所以，我們離硅基生命出現還有多遠？

剛剛回到OpenAI的Karpathy對這個工作表示盛贊：這是個用于高級技能的「無梯度架構」。在這里，LLM就相當于是前額葉皮層，通過代碼生成了較低級的mineflayer API。

Karpathy回憶起，在2016年左右，智能體在Minecraft環境中的表現還很讓人絕望。當時的RL只能從超稀疏的獎勵中隨機地探索執行長期任務的方式，讓人感覺非常stuck。

而現在，這個障礙已經在很大程度上被解除了——正確的做法是另辟蹊徑，首先訓練LLM從互聯網文本上學習世界知識、推理和工具使用（尤其是編寫代碼），然后直接把問題拋給它們。

最后他感慨道：如果我在2016年就讀到這種對智能體的「無梯度」方法，我肯定會大吃一驚。

微博大V「寶玉xp」也對這個工作給予了高度評價——

真的是了不起的嘗試，整個代碼都是開源的，這種自動生成任務->自動寫代碼執行任務->保存一個代碼庫可以重用的思路，應該是可以很容易應用到其他領域。

Voyager

與其他AI研究中常用的游戲不同，Minecraft并沒有強加預定義的終點目標或固定的劇情線，而是提供了一個具有無盡可能性的游樂場。

對于一個有效的終身學習智能體來說，它應該具有與人類玩家類似的能力：

1. 根據其當前的技能水平和世界狀態提出適當的任務，例如，如果它發現自己是在沙漠而不是森林中，就會在學習收集鐵之前學習收集沙子和仙人掌

2. 基于環境反饋來完善技能，并將掌握的技能記入記憶，以便在類似情況下重復使用（例如，與僵尸戰斗與與蜘蛛戰斗類似）

3. 持續探索世界，以自我驅動的方式尋找新的任務。

為了讓Voyager具有上述這些能力，來自英偉達、加州理工學院、得克薩斯大學奧斯汀分校和亞利桑那州立大學的團隊提出了3個關鍵組件：

1. 一個迭代提示機制，能結合游戲反饋、執行錯誤和自我驗證來改進程序

2. 一個技能代碼庫，用來存儲和檢索復雜行為

3. 一個自動教程，可以最大化智能體的探索

首先，Voyager會嘗試使用一個流行的Minecraft JavaScript API（Mineflayer）來編寫一個實現特定目標的程序。

雖然程序在第一次嘗試時就出錯了，但是游戲環境反饋和JavaScript執行錯誤（如果有的話）會幫助GPT-4改進程序。

左：環境反饋。GPT-4意識到在制作木棒之前還需要2塊木板。

右： 執行錯誤。GPT-4意識到它應該制作一把木斧，而不是一把「相思木」斧，因為Minecraft中并沒有「相思木」斧。

通過提供智能體當前的狀態和任務，GPT-4會告訴程序是否完成了任務。

此外，如果任務失敗了，GPT-4還會提出批評，建議如何完成任務。

自我驗證

其次，Voyager通過在向量數據庫中存儲成功的程序，逐步建立一個技能庫。每個程序可以通過其文檔字符串的嵌入來檢索。

復雜的技能是通過組合簡單的技能來合成的，這會使Voyager的能力隨著時間的推移迅速增長，并緩解災難性遺忘。

上：添加技能。每個技能都由其描述的嵌入索引，可以在將來的類似情況中檢索。

下：檢索技能。當面對自動課程提出的新任務時，會進行查詢并識別前5個相關技能。

第三，自動課程會根據智能體當前的技能水平和世界狀態，提出合適的探索任務。

例如，如果它發現自己在沙漠而非森林中，就學習采集沙子和仙人掌，而不是鐵。

具體來說，課程是由GPT-4基于「發現盡可能多樣化的東西」這個目標生成的。

自動課程

實驗

接下來，讓我們看一些實驗！

團隊將Voyager與其他基于LLM的智能體技術進行了系統性的比較，比如ReAct、Reflexion，以及在Minecraft中廣受歡迎的AutoGPT。

在160次提示迭代中，Voyager發現了63個獨特的物品，比之前的SOTA多出3.3倍。

尋求新奇的自動課程自然會驅使Voyager進行廣泛的旅行。即使沒有明確的指示，Voyager也會遍歷更長的距離（2.3倍），訪問更多的地形。

相比之下，之前的方法就顯得非常「懶散」了，經常會在一小片區域里兜圈子。

地圖探索率

那么，經過終身學習后的「訓練模型」——技能庫，表現如何呢？

團隊清空了物品/護甲，生成了一個新的世界，并用從未見過的任務對智能體進行了測試。

可以看到，Voyager解決任務的速度明顯比其他方法更快。

值得注意的是，從終身學習中構建的技能庫不僅提高了Voyager的性能，也提升了AutoGPT的性能。

這表明，技能庫作為一種通用工具，可以有效地作為一個即插即用的方法來提高性能。

零樣本泛化

上圖中的數字是三次試驗中提示迭代的平均值。迭代次數越少，方法越有效。可以看到，Voyager解決了所有的任務，而AutoGPT經過50次提示迭代都無法解決。

此外，與其他方法相比，Voyager在解鎖木工具上快了15.3倍，石工具快8.5倍，鐵工具快6.4倍。而且擁有技能庫的Voyager是唯一解鎖鉆石工具的。

技能樹掌握情況（木工具 → 石工具 → 鐵工具 → 鉆石工具）

目前，Voyager只支持文本，但在未來可以通過視覺感知進行增強。

在團隊進行的一個初步研究中，人類可以像一個圖像標注模型一樣，向智能體提供反饋。

從而讓Voyager能夠構建復雜的3D結構，比如地獄門和房子。

結果表明，Voyager的性能優于所有替代方案。此外，GPT-4在代碼生成方面也明顯優于GPT-3.5。

消融實驗

結論

Voyager是第一個由LLM驅動、可以終身學習的具身智能體。它可以利用GPT-4不停地探索世界，開發越來越復雜的技能，并始終能在沒有人工干預的情況下進行新的發現。

在發現新物品、解鎖Minecraft技術樹、穿越多樣化地形，以及將其學習到的技能庫應用于新生成世界中的未知任務方面，Voyager表現出了優越的性能。

對于通用智能體的開發來說，無需調整模型參數的Voyager是可以作為一個起點的。