开发者用一张RTX 3080 Ti训练AI学会选宝可梦

IT时代网10月1日消息，开发者stmonty用一张RTX 3080 Ti游戏显卡，训练出一个1250万参数的小型AI模型，让它学会在《宝可梦 红》中操控角色并成功选出初始宝可梦。

这个模型属于世界模型：AI不知道A键是确认、B键是取消，也不清楚游戏目标是什么，只做一件事——盯着屏幕看，然后猜测按下某个按键后画面会怎样变化，猜对了记住，猜错了修正。与依靠海量文字训练的大语言模型不同，世界模型通过观察环境变化来理解世界，好处是一张消费级显卡就能跑起来。

学会按键效果后，AI开始规划行动，每次生成14个按键操作方案，但不是直接进游戏尝试，而是先在模型内模拟：每轮模拟512个方案，筛掉大部分保留64个，再逐层筛选，最终把最优方案送进游戏执行。

首次尝试以失败告终；微调后的第二次尝试成功选出杰尼龟，同一存档100次测试中52次拿到初始宝可梦，而随机按键的成功次数为零、未训练模型仅1次。stmonty表示，从存档点直接按A键本来就能选到宝可梦，项目的目标在于验证模型能否自己发现解决方案。

注：本文中包含AI辅助创作的内容。

编辑：林一舟