文章摘要
【关 键 词】 DeepMind、SIMA、AI代理、视频游戏、技术壮举
DeepMind的最新研究成果SIMA，一个多世界AI代理，标志着AI在游戏领域的又一重大进展。
SIMA不仅能够在多种视频游戏中执行任务，而且它的操作方式与人类相似，通过图像识别和自然语言指令来控制游戏角色。
这一技术的发展不仅仅是为了在游戏中取得高分，而是为了让AI系统能够在各种环境中遵循指令，从而适应任何虚拟环境。
SIMA的学习过程涉及到了多款不同的视频游戏，包括《无人深空》和《拆解》等，这些游戏为SIMA提供了丰富的交互世界和技能学习机会。
通过观察人类玩家的操作并记录相应的指令，SIMA逐渐理解了语言与游戏行为之间的联系。
DeepMind的团队还使用了四个研究环境，包括Unity构建的“建造实验室”，在这个环境中，SIMA需要展示其对物体操纵和对物理世界的直观理解能力。
SIMA的诞生对AI领域意义重大。它已经评估了600种基本技能，包括导航、物体交互和菜单使用，并且能够执行在10秒内完成的简单任务。
DeepMind希望未来的AI代理能够处理更复杂的任务，如“寻找资源并建造营地”，这需要高级战略规划和多个子任务的完成。
这一目标对AI来说至关重要，因为尽管现有的大型语言模型能够捕捉世界知识并生成计划，但它们还缺乏代表人类采取行动的能力。
Jim Fan对SIMA的评价是正面的，他欣赏SIMA能够通过鼠标或键盘进行操作，适应多种环境，并拥有强大的数据管道来记录和注释人类玩家的行为。
然而，他也指出了SIMA的一些局限性，如环境数量有限、行动时长短暂，以及数据管道的扩展性不足。
总的来说，SIMA的出现不仅展示了AI在游戏领域的新能力，也为AI在更广泛的虚拟环境中的应用奠定了基础。
随着技术的进步，我们可以期待AI在未来的表现将更加出色，能够处理更复杂的任务，并在多种环境中展现出更高的适应性。
原文和模型
【原文链接】 阅读原文 [ 1041字 | 5分钟 ]
【原文作者】 新智元
【摘要模型】 gpt-4
【摘要评分】 ★☆☆☆☆
