《我的世界》化身AI小鎮(zhèn)，NPC居民角色扮演如同真人

克雷西 2024-01-02 15:53:17 來(lái)源：量子位

克雷西 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

注意看，這個(gè)方塊人正在快速思考面前幾位“不速之客”的身份。

原來(lái)她是遇到了危險(xiǎn)，意識(shí)到這一點(diǎn)之后，她馬上開(kāi)始在腦海中搜索策略。

最終，她的方案是先逃跑然后尋求幫助，并馬上付諸行動(dòng)。

與此同時(shí)，對(duì)面的人也在進(jìn)行著和她一樣的思考……

這樣的一幅場(chǎng)景出現(xiàn)在了《我的世界》當(dāng)中，而其中所有的人物都是由AI控制的。

他們有著各自的身份設(shè)定，比如前面提到的女孩是一個(gè)17歲、智勇雙全的快遞員。

他們擁有記憶和思考能力，在這個(gè)以《我的世界》為背景的小鎮(zhèn)中像人類一樣生活。

驅(qū)動(dòng)他們的，是一款全新的、針對(duì)開(kāi)放世界設(shè)計(jì)的、基于語(yǔ)言的AI角色扮演框架LARP。

這里的LA指的是Language Agent，同時(shí)LARP又是實(shí)時(shí)（Live Action）角色扮演的縮寫(xiě)，可謂是一語(yǔ)雙關(guān)。

除了擁有更高的認(rèn)知復(fù)雜度，相比于傳統(tǒng)的智能體框架，LARP還縮小了智能體與開(kāi)放世界游戲之間的差距——

這類游戲往往沒(méi)有特定的“通關(guān)標(biāo)準(zhǔn)”，而是由玩家在其中自由探索，而傳統(tǒng)的游戲智能體常被用來(lái)完成特定目標(biāo)。

此外，LARP的重點(diǎn)是突出模擬，使得智能體的行為更接近人類，為此研究者甚至特意引入了遺忘機(jī)制。

那么，LARP具體如何實(shí)現(xiàn)？馬上就來(lái)一探究竟。

多模塊協(xié)同控制智能體

LARP的結(jié)構(gòu)是模塊化的，具體包括了認(rèn)知、人格、記憶、決策等組成部分。

其中，記憶模塊又由長(zhǎng)期記憶、工作（短期）記憶和記憶處理系統(tǒng)三個(gè)部分組成。

流程上，角色觀察到的環(huán)境等信息會(huì)以自然語(yǔ)言形式輸入記憶處理模塊，經(jīng)過(guò)編碼轉(zhuǎn)換并結(jié)合提取到的長(zhǎng)期記憶，形成工作記憶；

然后工作記憶會(huì)輸入到?jīng)Q策模塊，最終產(chǎn)生決策或?qū)υ拑?nèi)容。

決策模塊的一個(gè)特點(diǎn)是會(huì)將一項(xiàng)大的目標(biāo)拆解成子任務(wù)，同時(shí)利用其中的語(yǔ)言模型確定子任務(wù)的執(zhí)行順序。

模型所做出的決策，會(huì)通過(guò)環(huán)境交互模塊調(diào)用API來(lái)執(zhí)行，必要時(shí)還會(huì)調(diào)用回溯模塊進(jìn)行代碼重建；

執(zhí)行成功后，角色的新技能會(huì)被儲(chǔ)存，成為新的長(zhǎng)期記憶。

在長(zhǎng)期記憶的提取的過(guò)程中，人物會(huì)根據(jù)觀察到的內(nèi)容進(jìn)行自我提問(wèn)，并通過(guò)邏輯語(yǔ)句、向量相似度和句子相似度三個(gè)維度進(jìn)行查詢，從而提取答案。

其中邏輯語(yǔ)句用于語(yǔ)義（semantic）記憶的查詢，后兩者則用來(lái)查詢情景（episodic）記憶。

語(yǔ)義記憶是關(guān)于世界的一般性概念和事實(shí)知識(shí)，包含了游戲規(guī)則和相關(guān)世界觀；情景記憶則是游戲中的具體事件，與特定場(chǎng)景和經(jīng)歷相關(guān)。

前者內(nèi)容相對(duì)固定，而后者則會(huì)根據(jù)Agent的經(jīng)歷不斷積累。

為了讓LARP控制的智能體更像真人，研究團(tuán)隊(duì)還特意引入了隨時(shí)間變化的遺忘機(jī)制。

當(dāng)衰減參數(shù)σ超過(guò)一定閾值時(shí)，記憶提取會(huì)失敗，從而模擬遺忘過(guò)程，σ的計(jì)算方式則是依據(jù)心理學(xué)定律設(shè)定的：

σ = αλN (1 + βt) – ψ

λ代表記憶的重要性程度，N表示提取次數(shù)，t代表最后一次提取后經(jīng)過(guò)的時(shí)間，ψ是角色自身的遺忘速率，α和β為縮放參數(shù)

這一公式由心理學(xué)家Wayne Wickelgren提出，是對(duì)艾賓浩斯遺忘曲線的一個(gè)補(bǔ)充。

而在人物性格的塑造上，研究人員在體現(xiàn)不同性格的數(shù)據(jù)集上預(yù)訓(xùn)練出了基礎(chǔ)模型，并用專門(mén)構(gòu)建的指令數(shù)據(jù)集進(jìn)行監(jiān)督微調(diào)。

同時(shí)，團(tuán)隊(duì)還為角色的不同能力設(shè)計(jì)了多個(gè)數(shù)據(jù)集并訓(xùn)練出了低秩適配模型，并于基礎(chǔ)模型動(dòng)態(tài)整合，指導(dǎo)決策模塊生成符合人設(shè)的內(nèi)容。

同時(shí)，LARP中還設(shè)置了行動(dòng)驗(yàn)證和沖突識(shí)別模塊，確保模型為agent生成的內(nèi)容受游戲環(huán)境數(shù)據(jù)和先驗(yàn)知識(shí)規(guī)范約束。

目前，LARP的GitHub頁(yè)面已經(jīng)建立，不過(guò)還處于空倉(cāng)狀態(tài)，代碼暫未發(fā)布。

隨著大模型研究的深入，智能體和群體智能實(shí)驗(yàn)如今已成AI研究最熱門(mén)方向之一。

比如去年爆火的斯坦福AI小鎮(zhèn)、清華推出的“AI游戲公司”和“AI狼人殺”，都讓人們看到了多智能體協(xié)同的效益。

關(guān)于智能體的更多內(nèi)容，量子位智庫(kù)推出的《2023十大前沿科技報(bào)告中》也有詳細(xì)介紹。

論文地址：
https://arxiv.org/abs/2312.17653