'마인크래프트'가 AI 마을로 변신, NPC 주민들이 실제 사람처럼 역할극

앞에 있는 '불청객'의 정체를 고민하며 눈살을 찌푸리고 있는 네모난 남자라는 점 참고해주세요.

그녀는 위험한 상황에 처해 있다는 사실을 깨닫고, 문제를 해결하기 위한 전략을 찾기 위해 재빨리 정신적 탐색을 시작했습니다.

결국 그녀는 먼저 현장에서 도망친 후 최대한 빨리 도움을 구하고 즉각적인 조치를 취하기로 결정했습니다.

동시에 상대방도 같은 생각을 하고 있는데...

마인크래프트에 모든 캐릭터가 인공지능에 의해 조종되는 장면이 있습니다.

각각 독특한 정체성 설정을 가지고 있습니다. 예를 들어 앞서 언급한 소녀는 17세이지만 똑똑하고 용감한 택배기사입니다.

마인크래프트를 배경으로 한 이 작은 마을에서 그들은 기억하고 생각하는 능력을 갖고 있으며 인간처럼 살아갈 수 있습니다.

이를 구동하는 것은 오픈 월드용으로 설계된 새로운 언어 기반 AI 롤플레잉 프레임워크 LARP입니다.

LA는 Language Agent를 뜻하며, LARP는 Live Action Role Playing의 약자로 말장난입니다.

LARP는 기존 에이전트 프레임워크에 비해 인지 복잡성이 더 높다는 점 외에도 에이전트와 오픈 월드 게임 간의 격차를 좁힙니다.——

이러한 게임에는 플레이어가 자유롭게 탐색할 수 있는 구체적인 "패스스루 표준"이 없는 경우가 많습니다. 전통적인 게임 에이전트는 종종 특정 목표를 달성하는 데 사용됩니다.

또한 LARP의 초점은 시뮬레이션을 강조하고 에이전트의 행동을 인간의 행동에 더 가깝게 만드는 것입니다. 이를 위해 연구원들은 망각 메커니즘도 도입했습니다.

그렇다면 LARP는 어떻게 구현되나요? 빨리 알아보세요.

다중 모듈 협업 제어 에이전트

LARP의 구조는 모듈형이며 특히 인지, 성격, 기억, 의사결정 및 기타 구성 요소를 포함합니다.

그 중 메모리 모듈은 장기 기억, 작업(단기) 기억, 기억 처리 시스템의 세 부분으로 구성됩니다.

이 과정에서 캐릭터가 관찰한 환경 및 기타 정보는 자연어 형태로 메모리 처리 모듈에 입력되고 추출된 장기 기억과 결합되어 작업 메모리가 생성됩니다.

그런 다음 작업 메모리는 의사 결정 모듈에 입력되어 궁극적으로 의사 결정 또는 대화 콘텐츠를 생성합니다.

의사결정 모듈의 특징은 큰 목표를 하위 작업으로 나누고 언어 모델을 사용하여 하위 작업의 실행 순서를 결정한다는 것입니다.

모델이 내린 결정은 환경 상호 작용 모듈을 통해 API를 호출하여 실행됩니다. 필요한 경우 코드 재구성을 위해 역추적 모듈도 호출됩니다.

성공적으로 실행되면 캐릭터의 새로운 기술이 활성화됩니다. 저장되어 새로운 장기기억이 됩니다.

장기 기억을 인출하는 과정에서 등장인물은 관찰한 내용을 바탕으로 스스로에게 질문을 던지고, 논리문, 벡터 유사성, 문장 유사성의 3차원을 통해 질의하여 답을 추출하게 됩니다.

논리문은 의미기억을 질의하는데 사용되고, 후자의 두 가지는 일화기억을 질의하는데 사용됩니다.

의미 기억은 게임 규칙 및 관련 세계관을 포함하여 세계에 대한 일반적인 개념 및 사실적 지식입니다. 일화 기억은 특정 장면 및 경험과 관련된 게임 내 특정 이벤트입니다.

전자의 내용은 상대적으로 고정되어 있는 반면 후자는 에이전트의 경험을 바탕으로 계속해서 축적됩니다.

LARP가 제어하는 ​​에이전트를 실제 사람처럼 만들기 위해 연구팀은 의도적으로 시간에 따라 변하는 망각 메커니즘도 도입했습니다.

감쇠 매개변수 σ가 특정 임계값을 초과하면 기억 검색이 실패하므로 망각 과정을 시뮬레이션합니다. σ의 계산 방법은 심리학 법칙에 따라 설정됩니다.

σ = αλN (1 + βt) - ψ

λ는 기억의 중요성, N은 검색 횟수, t는 마지막 검색 이후 경과된 시간, ψ는 캐릭터 자신의 망각률, α와 β는 스케일링 매개변수입니다

이 공식은 심리학자 Wayne Wickelgren이 제안한 것으로, a Ebbinghaus의 망각 곡선에 추가.

캐릭터 생성 측면에서 연구자들은 서로 다른 성격을 반영하는 데이터 세트에 대해 기본 모델을 사전 훈련했으며 감독된 미세 조정을 위해 특별히 구성된 명령 데이터 세트를 사용했습니다.

동시에 팀은 캐릭터의 다양한 능력에 대한 여러 데이터 세트를 설계하고 하위 적응 모델을 훈련했습니다. 이 모델은 기본 모델과 동적으로 통합되어 적합한 콘텐츠를 생성하도록 의사 결정 모듈을 안내했습니다. 성격.

동시에 에이전트 모델에 의해 생성된 콘텐츠가 게임 환경 데이터 및 사전 지식 사양에 의해 제한되도록 LARP에 작업 확인 및 충돌 식별 모듈도 설정됩니다.

현재 LARP의 GitHub 페이지가 개설되었으나 아직은 부족한 상태이고 코드도 아직 공개되지 않았습니다.

대형 모델 연구가 심화됨에 따라 에이전트 및 군집 지능 실험은 이제 AI 연구에서 가장 인기 있는 방향 중 하나가 되었습니다.

예를 들어 작년에 인기를 끌었던 Stanford AI Town, Tsinghua University의 "AI Game Company" 및 "AI Werewolf"는 모두 사람들에게 다중 에이전트 협업의 이점을 보여주었습니다.

지능형 에이전트에 대한 자세한 내용은 Qubit Think Tank에서 출시한 "2023년 상위 10개 개척 기술 보고서"에도 자세한 소개가 있습니다.

논문 주소: https://arxiv.org/abs/2312.17653

위 내용은 '마인크래프트'가 AI 마을로 변신, NPC 주민들이 실제 사람처럼 역할극의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!