OMNI-EPIC：通过模型化人类有趣性概念于可编程环境中实现开放式
人工智能
2025-02-17 v3
摘要
开放式和 AI 生成算法旨在持续生成并解决日益复杂的任务，为实现更通用人工智能提供了有前景的道路。为实现这一宏大愿景，必须在广泛的潜在任务中进行学习。现有的自动生成环境方法受限于手动预定义的、常受限于狭窄分布的环境，从而限制了其创建任何学习环境的能力。为此，我们引入了一种新框架 OMNI-EPIC，将人类有趣性概念模型（OMNI）与可编程环境（EPIC）相结合。OMNI-EPIC 利用基础模型自主生成指定下一个可学习（即针对智能体当前技能集合既不太容易也不太困难）且有趣（例如有价值且新颖）任务的代码。OMNI-EPIC 生成环境（例如障碍课程）和奖励函数（例如快速且不碰红色物体通过障碍课程），从而原则上可以创建任何可模拟的学习任务。我们展示了 OMNI-EPIC 爆发式的创造力，该系统不断创新，以提出新的有趣学习挑战。我们还突出了 OMNI-EPIC 如何适应强化学习智能体的学习进度，生成适当难度的任务。总体而言，OMNI-EPIC 可无限创建可学习且有趣的环境，进一步推动自我改进 AI 系统和 AI 生成算法的发展。项目网站附有视频：https://dub.sh/omniepic
引用
@article{arxiv.2405.15568,
title = {OMNI-EPIC: Open-endedness via Models of human Notions of Interestingness with Environments Programmed in Code},
author = {Maxence Faldor and Jenny Zhang and Antoine Cully and Jeff Clune},
journal= {arXiv preprint arXiv:2405.15568},
year = {2025}
}