一级黄色录像免费播放,无码激情做a爰片毛片A片孕妇 ,操操操操操操操操逼,久久久久久天堂,极品人妻AV一区二区,老太卖婬视频大全,国产嫩苞又嫩又紧AV在线,国产高清无码一区

來源：機器之心
本文共2500字，建議閱讀10+分鐘
在寫文章、畫圖之后，AI 大模型現(xiàn)在又同時有了打游戲的能力。不禁在想，DeepMind 的智能體 Gato 未來還能玩出哪些花活？

假如使用單一序列模型就能解決所有任務，是再好不過的事情，因為這種模型減少了不必要的麻煩。不過這需要增加訓練數(shù)據(jù)的數(shù)量和多樣性，此外，這種通用模型隨著數(shù)據(jù)的擴充和模型的擴展，性能還會提高。從歷史上看，更擅長利用計算的通用模型最終也會超過特定于專門領域的模型。

今日，受大規(guī)模語言建模的啟發(fā)，Deepmind 應用類似的方法構建了一個單一的「通才」智能體 Gato，它具有多模態(tài)、多任務、多具身（embodiment）特點。

論文地址：https://storage.googleapis.com/deepmind-media/A%20Generalist%20Agent/Generalist%20Agent.pdf

Gato 可以玩雅達利游戲、給圖片輸出字幕、和別人聊天、用機械臂堆疊積木等等。此外，Gato 還能根據(jù)上下文決定是否輸出文本、關節(jié)力矩、按鈕按壓或其他 token。

與大多數(shù)智能體玩游戲不同，Gato 使用相同的訓練模型就能玩許多游戲，而不用為每個游戲單獨訓練。

Gato 的訓練數(shù)據(jù)集應該盡量廣泛，需要包括不同模態(tài)，如圖像、文本、本體感覺（proprioception）、關節(jié)力矩、按鈕按壓以及其他離散和連續(xù)的觀察和行動。

為了能夠處理這種多模態(tài)數(shù)據(jù)，Deepmind 將所有數(shù)據(jù)序列化為一個扁平的 token 序列。在這種表示中，Gato 可以從類似于標準的大規(guī)模語言模型進行訓練和采樣。在部署期間，采樣的 token 會根據(jù)上下文組合成對話響應、字幕、按鈕按下或其他動作。

UCL 計算機系教授汪軍告訴機器之心，DeepMind 的這項最新工作將強化學習、計算機視覺和自然語言處理這三個領域合到一起，雖然技術思路上沿用了前人的方法，但能將 CV、NLP 和 RL 這三個不同模態(tài)映射到同一個空間，用一套參數(shù)表達，是非常不容易的。

其積極意義在于，證明了 CV、NLP 和 RL 的結合是切實可行的，通過序列預測能夠解決一些決策智能的問題?？紤]到 Gato 模型目前的參數(shù)量只能算中等，接下來繼續(xù)往這個方向探索，構建更大的模型，將會有非常大的意義。

不過，Gato 大模型的 RL 部分只采用了監(jiān)督學習方法，并未觸及強化學習真正的核心——reward 設計機制，目前的任務中也沒有多智能體決策的問題。汪軍教授表示，他的團隊近期在決策大模型上做了很多探索，包括證明多智能體決策也可以是序列模型，相關成果將于近期公布，歡迎大家關注。

Gato 智能體細節(jié)

在 Gato 的訓練階段，來自不同任務和模態(tài)的數(shù)據(jù)被序列化為扁平的 token 序列，由一個類似于大型語言模型的 transformer 神經(jīng)網(wǎng)絡進行 batch 和其他處理。由于損失被 masked，Gato 只預測動作和文本目標。

下圖為 Gato 的訓練流程。

在部署 Gato 時，提示（如演示）被 tokenised，形成了初始序列。接著，環(huán)境產(chǎn)生了首個觀察結果，該結果也被 tokenised 并添加到序列中。Gato 以自回歸的方式對動作向量進行采樣，一次只采樣一個 token。

一旦包含動作向量的所有 token 都被采樣（由環(huán)境的動作規(guī)范確定），動作被解碼并發(fā)送給環(huán)境，然后逐步產(chǎn)生新的觀察結果。重復這一過程。Gato 模型始終在包含 1024 個 token 的上下文環(huán)境窗口內查看之前所有的觀察結果和動作。

下圖展示了將 Gato 部署為控制策略（control policy）的流程。

除了各種自然語言和圖像數(shù)據(jù)集之外，Gato 還在包含模擬和真實環(huán)境中智能體經(jīng)驗的大量數(shù)據(jù)集上進行了訓練。

下表 1 左為用于訓練 Gato 的控制數(shù)據(jù)集，右為視覺與語言數(shù)據(jù)集。樣本權重（sample weight）表示每個數(shù)據(jù)集在訓練序列 batch 中平均所占的比例。

Gato 智能體能力

研究者匯總了在以上數(shù)據(jù)上訓練時 Gato 的性能。也就是說，所有任務的所有結果都來自具有一組權重的單一預訓練模型。微調結果將在「實驗分析」章節(jié)展示。

模擬控制任務

下圖 5 展示了 Gato 在給定分數(shù)閾值之上執(zhí)行不同控制任務的數(shù)量相對于 Gato 訓練數(shù)據(jù)中的專家表現(xiàn)。其中，x 軸上的值表示專家分數(shù)的特定百分比，0 對應隨機智能體性能。y 軸表示預訓練模型的平均性能等于或高于特定百分比時的任務數(shù)量。

研究者將性能報告為百分比，其中 100% 對應每個任務的專家，0% 對應于隨機策略。對于訓練模型的每個模擬控制任務，他們在相應的環(huán)境中 roll out Gato 策略 50 次，并對定義的分數(shù)進行平均。如下圖所示，Gato 以超過 50% 的專家分數(shù)閾值執(zhí)行了 604 個任務中的 450 多個。

在 ALE Atari 中，Gato 在 23 場 Atari 游戲中取得了人類平均（或更高的）分數(shù)，在 11 場游戲中取得了兩倍于人類的分數(shù)。雖然生成數(shù)據(jù)的單任務在線 RL 智能體依然優(yōu)于 Gato，但可以通過增加容量或使用離線 RL 訓練而非純監(jiān)督來克服。研究者在文中還介紹了一個專業(yè)的單域 ALE Atari 智能體，它在 44 場比賽中都取得比人類更好的分數(shù)。

在 BabyAI 中，Gato 在幾乎所有級別上都得到了 80% 以上的專家分數(shù)。對于最困難的任務 BossLevel，Gato 的得分為 75%。相比之外，另外兩個已發(fā)布的基準 BabyAI 1.0 和 BabyAI 1.1 分別使用 100 萬次演示對該單一任務進行訓練，它們的得分不過為 77% 和 90%。

在 Meta-World 中，Gato 在接受訓練的 45 個任務中的 44 個中得到了 50% 以上的專家分數(shù)，35 個任務上得到 80% 以上，3 個任務上超過 90%。在規(guī)范的 DM Control Suite 上，Gato 在 30 個任務中的 21 個上都得到了 50% 以上的專家分數(shù)，在 18 個任務上得到 80% 以上。

機器人基準評估

第一視角遠程操作可以收集專家演示。然而，此類演示收集起來速度慢成本高。因此，數(shù)據(jù)高效的行為克隆方法對于訓練通用機器人操縱器是可取的，離線預訓練成為一個很有動力的研究領域。研究者也在已建立的 RGB Stacking 機器人基準上對 Gato 進行了評估。

RGB Stacking 機器人基準上的技能泛化挑戰(zhàn)測試了智能體堆疊以往未見過形狀的對象的能力。智能體在一個包含各種形狀機器人堆疊對象的 episodes 的數(shù)據(jù)集上進行訓練。但是，五個對象形狀的三元組沒有包含在訓練數(shù)據(jù)中，而是作為測試三元組。研究者針對真實機器人上的每個測試三元組對訓練的 Gato 進行了 200 輪的評估。

下表 2 的結果表明，Gato 在每個測試三元組上的成功率與 Lee 等人（2021）提出的單任務 BC-IMP（filtered BC）基準相當。

文本示例

Gato 智能體也能生成基本對話以及給圖像加字幕（或描述）。下圖 6 展示了 Gato 為圖像加字幕的代表性示例。

下圖 7 展示了一些精選的純文本對話交流示例。

實驗分析

下圖 8 中，DeepMind 評估了 3 種不同模型大小（以參數(shù)計數(shù)衡量）：79M 模型、364M 模型和 1.18B 模型 (Gato)。可以得出，在相等的 token 數(shù)下，隨著模型的擴展，模型性能隨之提高。

下圖 10 將 Gato 在不同微調數(shù)據(jù)機制中的成功率與 sim-to-real 專家和 Critic-Regularized Regression (CRR) 智能體進行了比較，結果如下：Gato 在現(xiàn)實和模擬中（分別為左圖和右圖的紅色曲線），僅用 10 episodes 就恢復了專家的表現(xiàn)，并在 100 或 1000 episodes 微調數(shù)據(jù)時達到峰值，超過了專家。在此點之后（在 5000 處），性能會略有下降，但不會遠遠低于專家的性能。

下表 3 為 Gato 和 BC-IMP 比較結果。

原文鏈接：

https://www.deepmind.com/publications/a-generalist-agent

編輯：黃繼彥

DeepMind「通才」AI智能體Gato來了，多模態(tài)、多任務，受大語言模型啟發(fā)

DeepMind「通才」AI智能體Gato來了，多模態(tài)、多任務，受大語言模型啟發(fā)