Google DeepMind는 Gemini를 사용하여 Goat Simulator 3 내에서 에이전트를 교육하고 있습니다 > 임신

Google DeepMind는 광범위한 3D 가상 세계에서 문제를 탐색하고 해결할 수 있는 SIMA 2라는 새로운 비디오 게임 플레이 에이전트를 구축했습니다. 회사는 이것이 보다 범용적인 에이전트와 더 나은 실제 로봇을 향한 큰 진전이라고 주장합니다.    Google DeepMind는 작년에 SIMA("확장 가능한 지침이 가능한 다중 세계 에이전트"를 의미함)를 처음으로 시연했습니다. 그러나 SIMA 2는 회사의 주력 대형 언어 모델인 Gemini를 기반으로 구축되었으므로 에이전트의 기능이 크게 향상됩니다. 연구원들은 SIMA 2

핵심 기능

Google DeepMind는 광범위한 3D 가상 세계에서 문제를 탐색하고 해결할 수 있는 SIMA 2라는 새로운 비디오 게임 플레이 에이전트를 구축했습니다. 회사는 이것이 보다 범용적인 에이전트와 더 나은 실제 로봇을 향한 큰 진전이라고 주장합니다.    Google DeepMind는 작년에 SIMA("확장 가능한 지침이 가능한 다중 세계 에이전트"를 의미함)를 처음으로 시연했습니다. 그러나 SIMA 2는 회사의 주력 대형 언어 모델인 Gemini를 기반으로 구축되었으므로 에이전트의 기능이 크게 향상됩니다. 연구원들은 SIMA 2가 가상 세계 내에서 더욱 복잡한 작업을 수행하고, 특정 과제를 스스로 해결하는 방법을 파악하고, 사용자와 대화할 수 있다고 주장합니다. 또한 더 어려운 작업을 여러 번 처리하고 시행착오를 통해 학습함으로써 자체적으로 향상될 수도 있습니다. Google DeepMind의 연구 과학자인 Joe Marino는 이번 주 기자 회견에서 "게임은 오랫동안 에이전트 연구의 원동력이었습니다."라고 말했습니다

사용 후기

. 그는 랜턴을 켜는 것과 같은 게임의 간단한 동작에도 여러 단계가 포함될 수 있다고 지적했습니다. "이것은 진행하기 위해 해결해야 하는 매우 복잡한 작업 집합입니다." 궁극적인 목표는 웹 브라우저보다 더 복잡한 환경에서 지침을 따르고 개방형 작업을 수행할 수 있는 차세대 에이전트를 개발하는 것입니다. 장기적으로 Google DeepMind는 이러한 에이전트를 사용하여 실제 로봇을 구동하기를 원합니다. 마리노는 환경 탐색, 도구 사용, 문제 해결을 위한 인간과의 협력 등 SIMA 2가 배운 기술이 미래의 로봇 동반자를 위한 필수 구성 요소라고 주장했습니다. 2016년 바둑 그랜드마스터를 이긴 AlphaZero나 2019년 비디오 게임 StarCraft 2에서 인간 경쟁 플레이어의 99.8%를 이긴 AlphaStar와 같은 게임 플레이 에이전트에 대한 이전 작업과 달리 SIMA의 기본 아이디어는 미리 설정된 목표 없이 개방형 게임을 플레이하도록 에이전트를 훈련시키는 것입니다.

장단점

대신에 에이전트는 사람들이 내린 지시를 수행하는 방법을 배웁니다. 인간은 문자 채팅, 큰 소리로 말하거나 게임 화면에 그림을 그려 SIMA 2를 제어합니다. 에이전트는 비디오 게임의 픽셀을 프레임별로 가져와 작업을 수행하기 위해 어떤 조치를 취해야 하는지 파악합니다. 이전 모델과 마찬가지로 SIMA 2는 No Man's Sky 및 Goat Simulator 3를 포함한 8개의 상업용 비디오 게임과 회사에서 만든 3개의 가상 세계를 플레이하는 인간의 영상에 대해 교육을 받았습니다. 에이전트는 키보드 및 마우스 입력을 작업에 일치시키는 방법을 학습했습니다. 연구원들은 SIMA 2가 Gemini에 연결되어 지침을 따르는 데 훨씬 더 뛰어나다고 주장합니다(질문을 하고 진행되는 업데이트 제공).

Q. 어떤 정보를 제공하나요?

A. IT/인터넷 관련 최신 정보를 제공합니다.

Q. 신뢰할 수 있나요?

A. 검증된 출처만 선별합니다.

Q. 더 궁금한 점은?

A. 댓글로 문의하세요.

원문 출처

이 글은 원본 기사를 참고하여 작성되었습니다.

관련 태그