谷歌深度學習實驗室：讓AI在虛擬接觸中訓練感知

孩子能通過遊戲學習，為什麼機器不可以呢？

對於人類來說，了解一個物件屬性最簡單的方法（它是冷是熱，是輕是重，是尖是鈍）是把它撿起來，用手把玩一下。現在，谷歌深度學習實驗室的人工智慧工程師正在用相同的方法訓練機器——通過比較虛擬積木的物理屬性探索它們。

在介紹它們工作時，深度學習實驗室成員說：「過去幾年，深度學習在被動觀察理解人類世界方面已經取得非常不錯的進展。但是，還有許多事物的理解需要通過互相接觸來獲得。」

通過模擬，這些研究者能使機器通過使用虛擬物品來獲得物品的隱藏屬性。如果一個孩子得到了兩個都塗成黑色的積木，其中一個是木製的，一個鉛制的。他一定可以通過把玩它們明白積木的基本屬性——重量。積木的顏色和形狀屬於顯而易見的屬性，但是積木的重量屬於隱藏屬性，只有把它們撿起來，比較一下才能明白。

通過一系列虛擬環境中的實驗，谷歌深度學習實驗室的一個研究小組已經能像訓練小孩一樣訓練人工智慧機器人——把玩虛擬物件，探索它們的屬性。在他們的第一次實驗中，他們使用了一個名為「誰重？」的測試，讓機器去比較2個積木的質量。機器可以「刺擊」積木再做出誰質量大的判斷。他們發現，隨著測試難度的上升，機器收集數據的時間也在變長。機器會花更多的時間「刺擊」積木來獲得對積木屬性的記憶。

第二個實驗基於積木建築模擬。機器被要求作出哪些積木用於構建一個剛性塔。實驗中，機器通過「刺擊」積木，敲打積木，探索積木的位置明白了塔的屬性。許多塔上的積木堆疊在一起，所以機器理解多少塊積木構成了這個虛擬建築的唯一辦法是「戳」這些積木，來觀察它們的分布。通過嘗試和誤差分析，機器明白了它必須敲擊塔，才能解決這個難題。

在ArXiv上的一個未發表的論文中，研究者說：「讓機器在互動式模擬環境中進行物理實驗，它們確實學會了操作物體並觀察它們的隱藏屬性。我們證明了我們的方法在兩個重要物理屬性理解上的有效性——在物體極度模糊條件下，推斷質量和計算物體數量。」

在評論本研究工作的潛在價值時，深度學習實驗室的Misha Denil說：「我認為現在來說，這項研究的實際應用還需要相當長時間的探索，但是，從理論上講，任何主動的機器學習應用都可以從這項研究中受益！這所涉及的機器包括運用複雜工具的機器或者在極端環境的導航機器（例如，在沙塵暴中）。」

運用遊戲探索機器學習將成為人工智慧前行的又一推進器。

TAG:DeepTech深科技 |

※深度學習FPGA加速器訓練營
※研學社·系統組｜實時深度學習的推理加速和持續訓練
※研學社·系統組：實時深度學習的推理加速和持續訓練
※HIIT訓練教學訓練
※接球後怎麼轉身進攻？NBA訓練師教你最實用的練習
※深度解讀「HIIT」訓練法，一種迅速燃脂，效果奇佳的訓練方法
※NASA用虛擬現實技術訓練宇航員
※深度揭秘谷歌訓練 AI 隱藏勞力，「機器教練」只不過是廉價臨時工
※深度學習訓練時 GPU 溫度過高？幾行命令就可迅速降溫！
※地表最強導師訓練寫真照！肌肉MAX……
※訓練日| 跟著NBA控球大師一起訓練，學習節奏運球
※美軍的訓練都是真槍實彈
※深度學習訓練時 GPU 溫度過高？輸入這幾行命令就能迅速降溫
※實拍空降訓練。
※實兵自主對抗演習在確山訓練基地展開跨晝夜實彈演練
※實拍：現實生活中的日本忍者訓練過程
※油畫基礎訓練中的素描訓練
※在實際訓練中如果你的訓練找不到感覺，請看以下你有做到嗎
※教授訓練機器識美女baby被歸入清純柔美 還將用女主播照實驗