近期，来自商汤、清华大学、上海人工智能实验室等机构的研究人员提出了一种全新的框架——Ghost in the Minecraft（GITM）。GITM可以将大语言模型与基于文本的知识和记忆整合在一起，在经典游戏《我的世界》中打造出通才AI智能体。这一研究为通用人工智能（AGI）的发展迈出了重要一步。
GITM在《我的世界》内主世界的所有技术挑战上实现了100%的任务覆盖率，成功解锁了完整的科技树的262个物品。同时，GITM在最受关注的「获取钻石」任务上取得了67.5%的成功率，相比于目前最佳成绩（OpenAI VPT）提高了47.5%。GITM的训练效率也达到新高度，环境交互步数只需已有方法的万分之一，单一CPU节点训练2天即可完成。
GITM的成功突破有助于推动通用人工智能（AGI）的研究目标加速实现，发展出能够在开放世界环境中像人一样进行感知、理解和交互的智能体。这将为机器人和自动驾驶等产业带来巨大突破和进步，有效解决现实世界中复杂环境和各类长尾问题，推动AI技术更大规模的产业落地。
项目主页： https://github.com/OpenGVLab/GITM
GITM能力和应用展望
GITM能够在《我的世界》中面对各类地形、环境、白天黑夜场景，甚至遇到怪物也能自如应对。GITM还可以进一步应用在《我的世界》更加复杂的任务中，如建造避难所、农田、铁傀儡，创造自动化设备所需的红石电路、进入下界所需的下界传送门等。
这些任务展示了GITM强大的能力和可扩展性，使得智能体能够在《我的世界》中长时间生存、发展，探索更加高级的世界。
商汤科技推进通用人工智能发展
作为全球人工智能领域的领军企业，商汤科技以「大模型+大算力」推进AGI（通用人工智能）发展的战略布局。商汤科技在多模态、多任务通用大模型领域快速发展，以「日日新SenseNova」大模型体系为核心，不断助力创新技术在智能汽车、智慧生活、智慧商业和智慧城市等领域的快速应用。
此外，商汤基于OpenDILab决策AI平台开发的AI模型DI-star在《星际争霸》中战胜了曾经的大中华区冠军，展示出强大的决策AI能力。GITM的成功将推动自动驾驶等应用处理复杂任务的能力更上一层楼，打破更高的技术天花板。
作为全球最畅销的游戏，《我的世界》已售出超过2.38亿份，每月活跃用户峰值超过1.4亿。在游戏中，数以亿计的玩家通过生存、探险和创造体验了一个数字化的第二人生，与现实世界在许多方面都有着密切的相似。《我的世界》可以被视为现实世界的缩影。在《我的世界》中开发一个能够掌握所有技术挑战的自动化智能体，就像是创造一个能够自主学习和掌握整个现实世界技术的人工智能。
Ghost in the Minecraft（GITM）是一个将大型语言模型（LLM）与基于文本的知识和记忆相结合的全新框架，旨在创建通用智能体来应对《我的世界》中的挑战。GITM具有以下特点：
广泛的任务覆盖率。所有之前的智能体组合在一起只能获得《我的世界》主世界科技树中所有项目30%的完成率，而GITM能解锁100%的项目。
高成功率。GITM在“获取钻石”任务上取得了67.5%的成功率，比SOTA（OpenAI的VPT）提高了47.5%。
卓越的训练效率。OpenAI的VPT需要进行6,480个GPU天的训练，DeepMind的DreamerV3需要进行17个GPU天的训练，而GITM不需要任何GPU，只需使用单个具有32个CPU核心的CPU节点进行2天的训练。
这项研究表明，LLM在开发能够处理长视界、复杂任务并适应开放世界环境中不确定性的智能体方面具有潜力。
GITM可以轻松应对各种生物群落、环境、白天和黑夜场景，甚至遇到怪物。
作为全球最畅销的游戏，《我的世界》已售出超过2.38亿份，每月活跃用户峰值超过1.4亿。在游戏中，数以亿计的玩家通过生存、探险和创造体验了一个数字化的第二人生，与现实世界在许多方面都有着密切的相似。《我的世界》可以被视为现实世界的缩影。在《我的世界》中开发一个能够掌握所有技术挑战的自动化智能体，就像是创造一个能够自主学习和掌握整个现实世界技术的人工智能。
Ghost in the Minecraft（GITM）是一个将大型语言模型（LLM）与基于文本的知识和记忆相结合的全新框架，旨在创建通用智能体来应对《我的世界》中的挑战。GITM具有以下特点：
广泛的任务覆盖率。所有之前的智能体组合在一起只能获得《我的世界》主世界科技树中所有项目30%的完成率，而GITM能解锁100%的项目。
高成功率。GITM在“获取钻石”任务上取得了67.5%的成功率，比SOTA（OpenAI的VPT）提高了47.5%。
卓越的训练效率。OpenAI的VPT需要进行6,480个GPU天的训练，DeepMind的DreamerV3需要进行17个GPU天的训练，而GITM不需要任何GPU，只需使用单个具有32个CPU核心的CPU节点进行2天的训练。
这项研究表明，LLM在开发能够处理长视界、复杂任务并适应开放世界环境中不确定性的智能体方面具有潜力。
GITM可以轻松应对各种生物群落、环境、白天和黑夜场景，甚至遇到怪物。