本小章还未完,请点击下一页继续阅读后面精彩内容!
在山姆看来,不论是国际象棋还是围棋,都是1v1的策略博弈游戏。
当这个博弈游戏的规模来到5v5,自然会带来新的挑战。
并且,在这个游戏过程当中,人类又或者是电脑可以做出的策略非常之多,不像围棋最多也只能在三百多个位置上选一个地方落点。
它蕴含的可能性又要再上升数个数量级,挑战这样的游戏,OpenAI可以说是勇气可嘉的。
唯一的问题就是马斯克急了,他觉得这帮人真不是东西,要收自己十个亿美金,却放着特斯拉现在的自动驾驶大业不去发展,反而整天沉迷游戏去搞什么5v5。
简直荒唐!
“选择Dota2挺好的,这种5v5三路兵线的游戏比起围棋,复杂程度要更接近现实世界中的问题。尤其Dota2即便在moba游戏里面都算是比较困难的,对新手不大友好。游戏细节太多,各种技巧和套路也太多。”
孟繁岐的Dota2实力,差不多4000分左右。
“你还懂这个啊?”山姆有些意外,他以为孟繁岐这样成果狂出的人,肯定是没什么时间玩游戏的。
“稍微懂一点,我朋友唐璜你应该有印象,就是最开始跟我一起在IMAGENET上组队的舍友,他Dota2水平很高,现在差不多6400分左右。”
按Dota2的分数分布,3000是深海鱼塘,无数大仙各显神通。
3000到5000属于中端桌,孟繁岐的水平在所有玩家里也就是中等,5000到7000属于绝对的高分局了。
可以说唐璜在这个游戏上是非常有天分的。
毕竟他其实也没有那么多的时间专门去冲分。
“那挺好的,我们现在就缺一些技术和游戏都懂的人协助帮忙。”山姆直接提出了邀请。
“有空的时候我也去看看吧,对这方面的内容我也挺感兴趣的。”OpenAI Five这款Dota2的智能,是孟繁岐少数只看了新闻,完全没有去学过代码和原理的知名项目。
触类旁通,懂还是稍懂一些的,但对细节就不是那么明白了。
对此他也非常好奇。
因为下围棋对玩家来说,就是一两百手的决策需要做出。
Dota2这样的策略游戏,单个英雄需要一盘下来需要操作上万次。
其中每次操作可能是行走、攻击、施法、使用物品、交易物品等等,根据英雄的不同,AI可选择的操作有8千~8万种。
需要判断的东西也有太多了,英雄,小兵,防御塔;血量,攻击,护甲,位置,等级;物品,技能,状态栏。
这种游戏当中,值得关注的信息点也是海量,绝非轻易能够搞明白的。
在深度学习阿尔法围棋取得世界瞩目的成绩之后,OpenAI押宝了强化学习,而孟繁岐最近则将注意力集中在了GPT大语言模型上。
“OpenAI那边的事情过段时间再看,眼下最重要的事情还是尽快出一版ChatGPT。”
虽然对OpenAI手头的事情比较感兴趣,不过事情还是要分清主次。
前世ChatGPT的出现震惊了整个世界,毫无疑问,它又强又聪明,跟它说话很好玩,还会写代码。它在多个方面的能力远远超过了自然语言处理研究者们的预期。
那么问题就来了:ChatGPT是怎么变得这么强的?
GPT技术早已有之,为何此前并没有如此强劲的威力呢?
这个问题最浅显的回答当然是数据和模型的规模,在前世,17到19年,大家还普遍在玩几个亿大小的人工智能模型。
结果ChatGPT直接就把这个数字干到了1750亿。
整整一千多倍的差距,使得人工智能模型在知识密集型任务上的性能实现了飞跃。
人们普遍认为,更多的模型参数记住了更多的知识。
数据则是另一大原因,三千亿单词的文字库加上GPT的模式,两者强强结合,产生了神奇的化学反应。
孟繁岐认为这些很容易想到的观点是正确的,但只靠这两者还远远不够。
一个非常好的例子就是GPT3,ChatGPT实际上是GPT3.5版本。
GPT3最初版的模型大小并不逊色于ChatGPT,训练使用的数据也相差不多,但实际的能力和效果确是天差地别。
不能说GPT3很弱,因为在很多任务上,它都挺出色地回应了很多指令。但同样的,在许多任务上,它的性能会非常诡异地逊色于远远小于它的模型。
因此,如果考虑到我们想要追求的是一款比较全面的通用智能的话,的确可以说GPT3不咋地。