Deepmind 可能刚刚创造了世界上第一个通用 AI

DeepMind 的 Gato 刚刚发布！它是一个可以玩 Atari 游戏、字幕图像、与人聊天、控制真正的机械臂等等的转换器！事实上，它只训练一次并使用相同的权重来完成所有这些任务。根据 Deepmind 的说法，这不仅是一个转换器，也是一个代理。当您将 Transformer 与多任务强化学习代理的进展混合使用时，就会发生这种情况。

正如我们所说，Gato 是一个多模式代理。这意味着它可以为图像创建标题或作为聊天机器人回答问题。你会说 GPT-3 已经可以做到这一点，但 Gato 可以做得更多……多模态来自于 Gato 也可以在人类水平上玩 Atari 游戏，甚至可以执行现实世界的任务，例如控制机械臂精确移动物体。它理解文字、图像，甚至物理……

在视频中了解更多信息

参考

►阅读全文： https ://www.louisbouchard.ai/deepmind-gato/
►Deepmind 的博文： https ://www.deepmind.com/publications/a-generalist-agent
►论文：Reed S. 等人，2022 年，Deemind：Gato， https ://storage.googleapis.com/deepmind-media/A%20Generalist%20Agent/Generalist%20Agent.pdf
►My Newsletter（每周在您的电子邮件中解释的新 AI 应用程序！）： https ://www.louisbouchard.ai/newsletter/

视频脚本

0:00

来自 deepmind 的 Gato 刚刚发布

0:02

这是一个可以播放的变压器

0:04

雅达利游戏标题图片聊天

0:07

人们控制一个真正的机械臂和

0:09

more 确实被训练过一次并使用

0:12

相同的权重来完成所有这些任务

0:15

根据 deepmind 的说法，这不仅是一个

0:17

变压器也是一个代理这是

0:20

混合变压器时会发生什么

0:22

在多任务上取得进展

0:23

正如我们所说的强化学习代理

0:26

gato 是一种多模式代理，这意味着

0:29

它可以为图像创建标题或

0:31

以聊天机器人的身份回答问题

0:34

gpt3 已经可以做到这一点，但 ghetto

0:36

可以做更多的多模态来自

0:39

ghetto 也可以玩 atari 的事实

0:41

人类水平的游戏甚至是真实的

0:44

控制机器人等世界任务

0:46

手臂精确地移动物体

0:48

理解文字图像甚至

0:51

物理贫民窟是第一个通才

0:54

在很多人身上表现如此出色的模型

0:56

不同的任务，这是非常

0:58

对受过训练的领域很有希望

1:00

在 604 个不同的任务上

1:03

方式 意见和行动

1:06

规格使其完美

1:08

通才，正如我所说的那样

1:11

具有相同网络和权重的

1:13

在你问之前它只需要 1.2

1:15

十亿个参数与 gpt3 相比

1:18

需要

1:19

其中1750亿不是陷阱

1:22

你必须重新训练或战斗单位

1:24

对于所有任务，您都可以发送图像

1:27

和文字，它会起作用，你甚至可以

1:29

加入机器人手臂的一些动作

1:32

模型可以决定哪种类型

1:34

根据上下文提供的输出

1:36

从文本到离散动作

1:38

一个环境，如果你喜欢这个视频

1:41

请考虑订阅并让我

1:43

知道你喜不喜欢这种新闻视频

1:46

我肯定会做更多这是可能的

1:48

因为他们的代币化过程

1:50

标记化是当你准备你的

1:52

模态的输入，因为它们没有

1:55

自己理解文字或图像

1:57

语言模型和 ghetto 占据了

1:59

子词的总数，例如 32

2:02

000，每个单词都有一个编号

2:05

他们跟随 vit 的图片

2:08

使用广泛使用的补丁嵌入

2:10

resnet 块，正如我们在之前介绍的

2:12

视频我们还标记了按钮

2:14

按下作为 atari 的整数

2:16

游戏或离散值最终为

2:19

连续值，如本体感受

2:21

我们与机器人讨论过的输入

2:23

他们对不同的轨道进行了编码

2:25

将矩阵转换为浮点数并将它们相加

2:27

在使用所有这些的文本标记之后

2:30

代理适应的不同输入

2:32

当前任务生成适当的

2:34

他们在训练期间使用提示输出

2:36

与先前在 gpt3 中一样进行调节

2:39

抽样行动和观察

2:42

多面手 rl 代理的进展

2:44

去年是不可思议的，来了

2:47

主要从 deepmind 可以看出

2:49

他们正在将针头移近

2:51

通用人工智能或人类水平的智能

2:55

如果我们最终可以定义它，我喜欢如何

2:57

他们在论文中提供了许多细节

2:59

我很高兴看到他们会做什么

3:01

或者其他人会用这个做什么

3:03

模型的架构链接到

3:06

纸了解更多信息

3:07

型号在描述中我希望你

3:09

喜欢这个短视频我刚看到这个

3:12

当我醒来时的消息，我做不到

3:13

除了制作这个视频之外

3:15

在开始我的一天之前

3:17

令人兴奋的，我下周再见

另一篇惊人的论文