0
DeepMind又造“小人”了！
這群小人就是英國人工智能實驗室造出的“智能體”，不過只可以在游戲中看到。之前以4：1力挫世界圍棋冠軍李世石的阿爾法狗，就是這家實驗室訓練的智能體。
但你可能不知道的是，DeepMind”還訓練過“象棋棋手”、“足球球員”、”電競玩家“，甚至提出“人工生命"的言論。
最近的這群智能體，竟然能直接跳過數據填食，在開放式的任務環境中自我進化。
此前的阿爾法狗和阿爾法star，能力再強，也只能在各自的游戲里釋放大招，超出自己的游戲范圍立馬“歇菜”。而這批小人卻能在不同的游戲里游刃有余地完成任務，展現出超強的泛化能力。難道人工智能要邁出泛化“頑疾”了嗎？
在一個搶奪高地金字塔的任務里，兩個不同顏色的小人能力值相當。都沒有跳躍功能的它們，開始“發脾氣"亂扔東西。混亂中，竟把其中一塊板子”扔“成了樓梯，長驅直入，任務完成！
多次實驗發現，這些小人可以復現這種方法，難道這群智能體有了記憶？
不僅如此，小人還學會了“相對運動”--我上不去，你下來--借助板子直接把目標扒拉下來了! 甚至為了贏得比賽，多個小人學會了打配合，團體成長力刷刷上漲。
這種在虛擬游戲中自我進化的智能體，僅僅需要人為搭建一個任務環境，設計大量的任務目標，利用加強深度學習的方法，一步一步打通關，最終成為一個“十八般武藝”的智能體。
沒有樣本，沒有經驗，這些智能體究竟如何進化，零樣本學習方式是否意味著這些智能體已經具備了基本的“自學意識”？
相比之前做出的Ai足球場，這批智能體的訓練場更像一個游戲“社會”，里面有無數個游戲房間，每個房間的游戲按照競爭性、平衡性、可選性、探索難度四個緯度進行區分。
不管是哪種任務，這批智能體都只能從最簡單的開始，一步步解鎖更復雜的游戲，這也導致整個游戲更像一個虛擬社會。
這些無需大數據集訓練出來的智能體，每玩一次游戲就成長一次，在與各種環境的互動和“獎勵”中，成長為一個更通用的智能體，也更類似于人工“生命”。
能讓智能體自我進化的關鍵在于正確設計初始智能和進化規則。一開始是非常簡單的，所有的復雜結構都是進化而來。就像嬰兒做不了生孩子的事，布置任務的核心是不要超出智能體自身的改進能力。
根據 DeepMind的說法，每個AI智能體會在4000 個游戲房間中玩了大約 70萬個獨特的游戲，并在 340 萬個任務中經歷了 2000 億個訓練步驟。1 億個步驟相當于大約 30 分鐘的訓練。按照這種訓練方法，41天就能訓練出一群“成年”智能體。
DeepMind表示，“單個AI智能體可以開發智能來實現多個目標，而不僅僅是一個目標。”
AI智能體新科技公司Pathmind 的CEO Chris Nicholson 也說到，“它學到的技能可以舉一反三。例如，智能體學習抓取和操縱物體，就能完成敲錘子或者鋪床的任務。而DeepMind 正在用編程為AI智能體在這個世界上設定目標，而這些AI智能體正在學習如何一一掌握它們。”
但是南加州大學計算機科學副教授 Sathyanaraya Raghavachary表示，這些智能體并不能定義為“生命”，尤其是關于智能體擁有身體感覺、時間意識以及理解目標的幾個結論。
“即使是我們人類也沒有完全意識到我們的身體，更不用說那些人工智能了。”
他講到，一個活躍的身體對于大腦不可或缺，大腦要放在合適的身體意識和空間位置里進化。如果AI智能體能夠理解它們的任務，何必需要 2000 億步的模擬訓練來達到最佳結果。總體而言，這個虛擬環境訓練出來的AI智能體只是和以往的“大同小異”。
狹義的人工智能是“復制人類行為的元素”，在計算機中執行某種任務。例如實現對圖像進行分類、定位照片中的對象、定義對象之間的邊界等等。
這些系統旨在執行特定任務，而不具有解決問題的一般能力。
相比之下，Deepmind使用的“通用人工智能”有時也被稱為人類級別的人工智能，因為它可以理解上下文、潛臺詞和社會線索，甚至被認為可能完全超過人類。
但是正如行為主義和認知主義之間的對抗，智能體是否具有解決問題的能力，并不能單純地考慮統計的結果。善于“事后解釋”任何觀察到的行為，在實驗室之外，都無法“預測”哪些行動即將發生。
編譯來源：
https://bdtechtalks.com/2021/08/02/deepmind-xland-deep-reinforcement-learning/
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
