近幾年來(lái)，人工智能一詞可謂是賺足了公眾的眼球，機(jī)器人不僅能處理各種繁重的工作，還學(xué)會(huì)了如何玩電子游戲，過(guò)不了多久，可能就能和人類一起大打電競(jìng)了。

“拿到鑰匙!”

通過(guò)簡(jiǎn)單的英語(yǔ)指令，AI(人工智能)學(xué)會(huì)了在一個(gè)最棘手的Atari視頻游戲中解謎通關(guān)。

加利福尼亞斯坦福大學(xué)的一個(gè)團(tuán)隊(duì)開(kāi)發(fā)了AI玩蒙特蘇馬復(fù)仇游戲的系統(tǒng)，在該游戲中玩家們要在Aztec寺廟中刷寶。AI學(xué)習(xí)該游戲是具有挑戰(zhàn)性的，因?yàn)橛螒蚶锏膶毑胤植枷∈瑁笸婕以诘梅智斑M(jìn)行一些動(dòng)作操作。

大多數(shù)視頻游戲的人工智能運(yùn)用強(qiáng)化學(xué)習(xí)策略，他們要依賴反饋，例如游戲得分，來(lái)告訴他們哪里操作得好。為了幫助AI更快地掌握游戲策略，斯坦福團(tuán)隊(duì)以自然語(yǔ)言指令的形式輔助強(qiáng)化學(xué)習(xí)系統(tǒng)，例如建議它“爬上梯子”或“拿到鑰匙”。

團(tuán)隊(duì)成員RussellKaplan說(shuō)：“想象教一個(gè)孩子打網(wǎng)球，把球拍交給他讓他在乒乓球機(jī)旁練習(xí)10年。這基本上是我們現(xiàn)在教AI的情形;事實(shí)證明有教練教的孩子學(xué)習(xí)得更快。”

用這種方式教AI可能會(huì)有更深層次的應(yīng)用，因?yàn)槭褂米匀徽Z(yǔ)言意味著，任何人都可以給AI建議，不僅僅是計(jì)算機(jī)程序員。

數(shù)字化的游戲

該小組首先訓(xùn)練AI把指令與游戲中正在進(jìn)行的相同動(dòng)作的截圖關(guān)聯(lián)起來(lái)。然后，他們讓AI用一系列游戲角色通過(guò)的每個(gè)房間的指令練習(xí)玩游戲，對(duì)完成命令和游戲通過(guò)的行動(dòng)進(jìn)行獎(jiǎng)勵(lì)。

為了驗(yàn)證AI對(duì)“爬梯子”等命令有了大致的理解，研究人員進(jìn)行了另一項(xiàng)實(shí)驗(yàn)，他們移除了第二個(gè)房間的訓(xùn)練數(shù)據(jù)。Kaplan說(shuō)，系統(tǒng)盡管以前沒(méi)有見(jiàn)過(guò)房間布局，但仍然能夠按照該房間的指示進(jìn)行操作，這表明它不僅僅是死記硬背。相反，它可能是從先前的指令進(jìn)行了發(fā)散。當(dāng)它找到一個(gè)更好的攻略時(shí)，它也學(xué)會(huì)了忽略指令。

在游戲中該系統(tǒng)獲得了3500分，打破了OpenAIGym(測(cè)試人工智能在虛擬環(huán)境中的在線平臺(tái))的最高分2500分。DeepMind的人工智能在該游戲中獲得高達(dá)6600分，但它花了近兩倍的時(shí)間訓(xùn)練。它將強(qiáng)化學(xué)習(xí)與一種稱為內(nèi)在動(dòng)機(jī)的方法結(jié)合，來(lái)獎(jiǎng)勵(lì)A(yù)I的好奇心和對(duì)其環(huán)境的探索。

自然引導(dǎo)

Kaplan說(shuō)，DeepMind的方法更先進(jìn)，但他認(rèn)為這兩種方法都值得稱贊并希望嘗試將兩者相結(jié)合。當(dāng)AI在游戲中獲得進(jìn)步，該小組還計(jì)劃減少指令的數(shù)量，看看它從獲得指令到停止依賴于指引的學(xué)習(xí)速度有多快。

卡內(nèi)基梅隆大學(xué)的DevendraChaplot說(shuō)，使用自然語(yǔ)言指導(dǎo)是一個(gè)有趣的方法。他說(shuō)：“它為人類引導(dǎo)人工智能系統(tǒng)提供了一個(gè)自然的方式，所以非常實(shí)用。”

雖然把它翻譯成現(xiàn)實(shí)世界可能是一個(gè)挑戰(zhàn)。Chaplot說(shuō)：“該項(xiàng)目采用一套固定的指令，但理解自由的自然語(yǔ)言指令仍是一個(gè)非常具有挑戰(zhàn)性的開(kāi)放式問(wèn)題。”。

Kaplan說(shuō)，對(duì)他們有利的因素是豐富的數(shù)據(jù)集可以將真實(shí)世界圖像與自然語(yǔ)言描述相聯(lián)系，這可以用來(lái)幫助訓(xùn)練AI。