الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

[تسليط الضوء على NeuroIPS '23] استنساخ الفكر: تعلم التفكير أثناء التصرف من خلال تقليد التفكير البشري

صورة

يوفر هذا المستودع التنفيذ الرسمي لاستنساخ الفكر: تعلم التفكير أثناء التصرف من خلال تقليد التفكير البشري. يعد استنساخ الفكر (TC) إطارًا جديدًا للتعلم بالتقليد يعزز قدرة الوكيل وسلامة الذكاء الاصطناعي وقابلية التفسير من خلال تدريب الوكلاء على التفكير مثل البشر . يطبق هذا المستودع TC على نطاق شبكة عالم شبكي ثنائي الأبعاد يمكن ملاحظته جزئيًا BabyAI مع مجموعة بيانات فكرية بشرية اصطناعية. تحقق أيضًا من موضوع التغريدة المقدمة.

تثبيت

خلق البيئة

قم بإنشاء بيئة باستخدام python-venv أو conda. يظهر مثال مع python-venv هنا: 

 python3 -m venv thoughtcloning
source thoughtcloning/bin/activate

المتطلبات الرئيسية

  • بايثون >= 3.6
  • باي تورش >= 1.7.1
  • OpenAI Gym == 0.9.6
  • نومبي == 1.19.5
  • صالة الألعاب الرياضية المصغرة == 1.0.0
  • blosc

تم اختبار هذا المستودع باستخدام Python 3.9.10 وPyTorch 1.7.1+cu110. قد لا يكون الرمز متوافقًا مع الإصدار الأحدث من Gym أو numpy أو Gym-minigrid.

تثبيت

  1. قم بتثبيت PyTorch 1.7.1+ باتباع البرنامج التعليمي الرسمي لـ PyTorch.
  2. انسخ هذا المستودع وقم بتثبيت التبعيات الأخرى باستخدام pip3 
 git clone https://github.com/ShengranHu/Thought-Cloning.git
cd Thought-Cloning
pip3 install --upgrade pip
pip3 install --editable .

ملاحظة: قم بتشغيل pip3 install --editable . مرة أخرى إذا تم تغيير دليل المشروع بعد ذلك.

تكوين المسار

قم بتغيير دليل الإخراج في storage_dir في /babyai/utils/__init__.py. قم بتعيين path-to-thought-cloning على مسار مشروع استنساخ الفكر الخاص بك.

إعادة إنتاج النتائج في الورقة

تتوفر مجموعة بيانات الفكر البشري الاصطناعية على BossLevel ، وأوزان نماذج TC المدربة، والبيئات المجمعة لاختبار الأداء خارج التوزيع في Google Drive.

إعادة إنتاج مجموعة بيانات الفكر الاصطناعي

لإعادة إنتاج مجموعة بيانات فكرية تركيبية، يمكنك استخدام البرنامج النصي scripts/make_agent_demos.py باستخدام الأمر التالي: 

 scripts/make_agent_demos.py --episodes <NUM_OF_EPISODES> --env <ENV_NAME> --noise-rate 0.01

التدريب على استنساخ الفكر

لإعادة إنتاج نتائج الأداء الرئيسية الواردة في الشكل 3 من ورقتنا، استخدم الأمر التالي: 

 scripts/train_tc.py --env BabyAI-BossLevel-v0 --demos <DEMO_NAME> --memory-dim=2048 --recurrence=80 --batch-size=180 --instr-arch=attgru --instr-dim=256 --val-interval 2 --log-interval 2 --lr 5e-4 --epochs 160 --epoch-length 51200 --seed 0 --val-seed 2023 --model <NAME_OF_MODEL> --sg-coef 2 --warm-start --stop-tf 10

بالنسبة لكل تجربة، يمكنك تغيير الوسيطة group_name إلى سجل المجموعة وإخراج النموذج في مجلد محدد.

التقييم الصفري في البيئات خارج التوزيع

لإعادة إنتاج نتائج التقييم الصفرية الواردة في الشكل 4 (أ) من ورقتنا، استخدم الأمر التالي: 

 scripts/evaluate_levels.py --env BabyAI-BossLevel-v0 --model <NAME_OF_MODEL> --testing-levels-path <PATH_TO_TESTING_LEVELS_PICKLE>

روابط ذات صلة

يعتمد تنفيذنا على BabyAI 1.1 (خط الأساس للتعلم بالمجال والتقليد)، وdan-visdial (أداة تشفير محول المكونات ذات المستوى الأعلى)، وvisdial-rl (وحدة فك ترميز RNN للمكونات ذات المستوى الأعلى).

الاقتباس

إذا وجدت هذا المشروع مفيدًا، فيرجى التفكير في الاستشهاد بـ: 

 @article{hu2023ThoughtCloning,
  title={{Thought Cloning}: Learning to think while acting by imitating human thinking},
  author={Hu, Shengran and Clune, Jeff},
  journal={Advances in Neural Information Processing Systems},
  volume={36},
  year={2023}
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل