ಮಾನವ ಪ್ಲೇಯಿಂಗ್ Minecraft ನ ಲೇಬಲ್ ಮಾಡದ ವೀಡಿಯೋ ಡೇಟಾದ ಒಂದು ದೊಡ್ಡ ಶ್ರೇಣಿಯಲ್ಲಿ ಪ್ರಿ-ವೀಡಿಯೋ ತರಬೇತಿ (VPT) ಅನ್ನು ಬಳಸಿಕೊಂಡು Minecraft ಅನ್ನು ಪ್ಲೇ ಮಾಡಲು AI ನರಮಂಡಲವನ್ನು ಮುಕ್ತ AI ತರಬೇತಿ ನೀಡಿತು, ಆದರೆ ಸಣ್ಣ ಪ್ರಮಾಣದ ಲೇಬಲ್ ಮಾಡಲಾದ ಗುತ್ತಿಗೆದಾರ ಡೇಟಾವನ್ನು ಬಳಸುತ್ತದೆ.
ಸ್ವಲ್ಪ ಟ್ವೀಕಿಂಗ್‌ನೊಂದಿಗೆ, AI ಸಂಶೋಧನೆ ಮತ್ತು ಅನುಷ್ಠಾನ ಕಂಪನಿಯು ಅದರ ಮಾದರಿಯು ವಜ್ರದ ಉಪಕರಣಗಳನ್ನು ರಚಿಸಲು ಕಲಿಯಬಹುದು ಎಂದು ವಿಶ್ವಾಸ ಹೊಂದಿದೆ, ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಅನುಭವಿ ಮಾನವರಿಗೆ 20 ನಿಮಿಷಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ (24 ಹಂತಗಳು). ಮಾದರಿಯು ಕೀಸ್ಟ್ರೋಕ್ಗಳು ಮತ್ತು ಮೌಸ್ ಚಲನೆಗಳ ಸ್ಥಳೀಯ ಮಾನವ ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ಸಾಕಷ್ಟು ಸಾಮಾನ್ಯವಾಗಿದೆ ಮತ್ತು ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ಬಳಸುವ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸುವತ್ತ ಒಂದು ಹೆಜ್ಜೆಯಾಗಿದೆ.
ಮೈಕ್ರೋಸಾಫ್ಟ್ ಬೆಂಬಲಿತ ಸಂಸ್ಥೆಯ ವಕ್ತಾರರು ಹೇಳಿದರು: “ಇಂಟರ್ನೆಟ್ ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ವೀಡಿಯೊದ ಸಂಪತ್ತನ್ನು ನಾವು ಕಲಿಯಬಹುದು. ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಉತ್ತಮ ಪ್ರಸ್ತುತಿಯನ್ನು ಮಾಡುವುದನ್ನು ನೀವು ವೀಕ್ಷಿಸಬಹುದು, ಡಿಜಿಟಲ್ ಕಲಾವಿದರು ಸುಂದರವಾದ ಸೂರ್ಯಾಸ್ತವನ್ನು ಚಿತ್ರಿಸುತ್ತಾರೆ ಅಥವಾ Minecraft ಪ್ಲೇಯರ್ ಸಂಕೀರ್ಣವಾದ ಮನೆಯನ್ನು ನಿರ್ಮಿಸುತ್ತಾರೆ. ಆದಾಗ್ಯೂ, ಈ ವೀಡಿಯೊಗಳು ಏನಾಯಿತು ಎಂಬುದರ ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು ಮಾತ್ರ ಒದಗಿಸುತ್ತವೆ, ಆದರೆ ಅದನ್ನು ಹೇಗೆ ಸಾಧಿಸಲಾಗಿದೆ ಎಂಬುದರ ನಿಖರವಾದ ವಿವರಣೆಯಲ್ಲ, ಅಂದರೆ ಮೌಸ್ ಚಲನೆಗಳು ಮತ್ತು ಕೀಸ್ಟ್ರೋಕ್‌ಗಳ ನಿಖರವಾದ ಅನುಕ್ರಮ ನಿಮಗೆ ತಿಳಿದಿರುವುದಿಲ್ಲ.
“ನಾವು ಜಿಪಿಟಿಯೊಂದಿಗೆ ಭಾಷೆಯಲ್ಲಿ ಮಾಡಿದಂತೆ, ಈ ಡೊಮೇನ್‌ಗಳಲ್ಲಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಅಡಿಪಾಯ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ನಾವು ಬಯಸಿದರೆ, ಆಕ್ಷನ್ ಲೇಬಲ್‌ಗಳ ಕೊರತೆಯು ಭಾಷಾ ಡೊಮೇನ್‌ನಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಹೊಸ ಸಮಸ್ಯೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಅಲ್ಲಿ “ಆಕ್ಷನ್ ಲೇಬಲ್‌ಗಳು” ಸರಳವಾಗಿರುತ್ತವೆ. ಒಂದು ವಾಕ್ಯದಲ್ಲಿ ಮುಂದಿನ ಪದಗಳು."
ವೆಬ್‌ನಲ್ಲಿ ಲಭ್ಯವಿರುವ ಲೇಬಲ್ ಮಾಡದ ವೀಡಿಯೊ ಡೇಟಾದ ಸಂಪತ್ತಿನ ಲಾಭವನ್ನು ಪಡೆಯಲು, ಓಪನ್ AI ಹೊಸ, ಇನ್ನೂ ಸರಳವಾದ, ಅರೆ-ಮೇಲ್ವಿಚಾರಣೆಯ ಸಿಮ್ಯುಲೇಶನ್ ತರಬೇತಿ ವಿಧಾನವನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ: ಪ್ರಿ-ವೀಡಿಯೋ ತರಬೇತಿ (VPT). ಗುತ್ತಿಗೆದಾರರಿಂದ ಸಣ್ಣ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಸಂಗ್ರಹಿಸುವ ಮೂಲಕ ತಂಡವು ಪ್ರಾರಂಭವಾಗುತ್ತದೆ, ಅಲ್ಲಿ ಅದು ಅವರ ವೀಡಿಯೊಗಳನ್ನು ಮಾತ್ರವಲ್ಲದೆ ಅವರ ಕ್ರಿಯೆಗಳನ್ನು ಸಹ ದಾಖಲಿಸುತ್ತದೆ, ಈ ಸಂದರ್ಭದಲ್ಲಿ ಕೀಸ್ಟ್ರೋಕ್ಗಳು ಮತ್ತು ಮೌಸ್ ಚಲನೆಗಳು. ಈ ಡೇಟಾದೊಂದಿಗೆ, ಕಂಪನಿಯು ವಿಲೋಮ ಡೈನಾಮಿಕ್ಸ್ ಮಾಡೆಲ್ (IDM) ಅನ್ನು ತರಬೇತಿ ಮಾಡಬಹುದು, ಅದು ವೀಡಿಯೊದ ಪ್ರತಿ ಹಂತದಲ್ಲಿ ತೆಗೆದುಕೊಂಡ ಕ್ರಮವನ್ನು ಊಹಿಸುತ್ತದೆ. ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಕ್ರಿಯೆಯನ್ನು ಊಹಿಸಲು IDM ಹಿಂದಿನ ಮತ್ತು ಭವಿಷ್ಯದ ಮಾಹಿತಿಯನ್ನು ಬಳಸಬಹುದು ಎಂಬುದನ್ನು ಗಮನಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ.
ವಕ್ತಾರರು ಸೇರಿಸಲಾಗಿದೆ: “ಈ ಕಾರ್ಯವು ಹೆಚ್ಚು ಸರಳವಾಗಿದೆ ಮತ್ತು ನಡವಳಿಕೆಯ ಕ್ಲೋನಿಂಗ್ ಕಾರ್ಯಕ್ಕಿಂತ ಕಡಿಮೆ ಡೇಟಾ ಅಗತ್ಯವಿರುತ್ತದೆ, ಇದು ಹಿಂದಿನ ವೀಡಿಯೊ ಫ್ರೇಮ್‌ಗಳಿಂದ ಮಾತ್ರ ಕ್ರಿಯೆಗಳನ್ನು ಊಹಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಇದು ವ್ಯಕ್ತಿಯು ಏನು ಮಾಡಲು ಬಯಸುತ್ತಾನೆ ಮತ್ತು ಅದನ್ನು ಹೇಗೆ ಮಾಡಬೇಕೆಂದು ನಿರ್ಣಯಿಸುವ ಅಗತ್ಯವಿದೆ. ನಂತರ ನಾವು ಹೆಚ್ಚು ದೊಡ್ಡ ಆನ್‌ಲೈನ್ ವೀಡಿಯೊ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಲೇಬಲ್ ಮಾಡಲು ತರಬೇತಿ ಪಡೆದ IDM ಅನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ವರ್ತನೆಯ ಕ್ಲೋನಿಂಗ್ ಮೂಲಕ ಅದರ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಕಲಿಯಬಹುದು.
ಓಪನ್ AI ಪ್ರಕಾರ, VPT ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ಅಪಾರ ಪ್ರಮಾಣದ ವೀಡಿಯೊಗಳನ್ನು ನೋಡುವ ಮೂಲಕ ಏಜೆಂಟ್‌ಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕು ಎಂಬುದನ್ನು ಕಲಿಯಲು ದಾರಿ ಮಾಡಿಕೊಡುತ್ತಿದೆ.
ಕಂಪನಿಯ ವಕ್ತಾರರು ಹೀಗೆ ಹೇಳಿದರು: "ಜನರೇಟಿವ್ ವೀಡಿಯೊ ಮಾಡೆಲಿಂಗ್ ಅಥವಾ ಪ್ರಾತಿನಿಧಿಕ ತೀರ್ಪುಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಕಾಂಟ್ರಾಸ್ಟಿವ್ ವಿಧಾನಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, VPT ಕೇವಲ ಭಾಷೆಗಿಂತ ಹೆಚ್ಚಿನ ಡೊಮೇನ್‌ಗಳಲ್ಲಿ ದೊಡ್ಡ-ಪ್ರಮಾಣದ ವರ್ತನೆಯ ತೀರ್ಪುಗಳನ್ನು ನೇರವಾಗಿ ಕಲಿಸಲು ಉತ್ತೇಜಕ ಅವಕಾಶವನ್ನು ನೀಡುತ್ತದೆ. ನಾವು Minecraft ನಲ್ಲಿ AI ಪ್ರಯೋಗಗಳನ್ನು ಮಾತ್ರ ನಡೆಸಿದ್ದರೂ, ಆಟವು ತುಂಬಾ ಮುಕ್ತವಾಗಿದೆ ಮತ್ತು ಸ್ಥಳೀಯ ಮಾನವ ಇಂಟರ್ಫೇಸ್ (ಮೌಸ್ ಮತ್ತು ಕೀಬೋರ್ಡ್) ತುಂಬಾ ಸಾಮಾನ್ಯವಾಗಿದೆ, ಆದ್ದರಿಂದ ನಮ್ಮ ಫಲಿತಾಂಶಗಳು ಕಂಪ್ಯೂಟರ್ ಬಳಕೆಯಂತಹ ಇತರ ರೀತಿಯ ಡೊಮೇನ್‌ಗಳಿಗೆ ಉತ್ತಮವಾಗಿ ಅನುವಾದಿಸುತ್ತದೆ ಎಂದು ನಾವು ನಂಬುತ್ತೇವೆ.
ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ: Gran Turismo 7 ರ ಹೊಸ AI ಆಟದ ಅತ್ಯುತ್ತಮ ಆಟಗಾರರನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಿದ್ಧವಾಗಿದೆ
