馬斯克的OpenAI：全新方案有望取代強化學習

本文屬於本次Emtech Digital人工智慧峰會獨家精選文章。

2013年，英國一家人工智慧創業公司DeepMind就教會了軟體如何在經典的Atari遊戲中戰勝人類頂級玩家，這在計算機科學界引起了不小的轟動。不久之後，DeepMind就被Google收購。這款神秘軟體背後的奧秘——強化學習，也逐漸成了人工智慧和機器人領域內的研究的熱點。

去年，Google再次使用強化學習構建了一款戰勝人類頂級圍棋玩家的軟體。隨後，機器學習正式成為時代的「寵兒」。

現在， OpenAI（由埃隆·馬斯克等矽谷大亨聯合建立的人工智慧非營利組織）的研究人員表示，他們已經找到了一種更容易使用的方法，在玩遊戲和執行其他任務中可以與強化學習相競爭，甚至可能取代強化學習。

在昨天由《麻省理工科技評論》在舊金山舉行的Digital EmTech大會上，OpenAI研究室主任Ilya Sutskever表示，他們的方法可以讓研究人員加速推進機器學習領域的進展。

Sutskever表示，在標準基準測試中，這種方法能夠與今天的強化學習相競爭。另人驚訝的是，這種方法有時更簡單。

Sutskever認為，找到讓軟體學會玩電腦遊戲或引導機器人等任務的新方法對於開發執行更加複雜任務的機器學習軟體具有重大意義，人們需要的不僅僅是識別圖像和語音翻譯。他說：「如果我們能讓計算機系統學會處理現實世界中的複雜任務，然後，我認為我們才能把這些系統稱為智能系統。」

Sutskever及其同事使用了「進化策略」的新方法構建了人工智慧軟體，並教會了它玩50多種Atari遊戲，包括「Pong」 和「Centipede」這兩個經典遊戲。因為該新方法容易部署到多個處理器上，因此在一個小時內，他們就能訓練好一個頂級的人工智慧玩家，而訓練由DeepMind去年開發的強化學習系統則需要約一天的時間。研究表明，在一些遊戲中，這兩種方法都表現出相同的學習能力。

OpenAI的研究室主任Ilya Sutskever

在對機器人的標準測試中，進化策略也表現出類似的優勢。在機器人測試中，軟體需要找出如何在虛擬環境中模仿人的行走。研究人員表示，用新方法構建的系統只需要訓練10分鐘，就能達到目前用最先進的強化學習系統訓練10小時所能達到的效果。

該新方法重現了幾十年前的老觀點：通過使學習軟體嘗試不同的方法，找到最高效的方法。這大概是受到自然選擇促使生物適應環境的機制的啟發。

Sutskever表示：「一直以來，就人盡皆知的演算法表現得比人們想像中的還要好。」

他拒絕透露可能得益於進化策略的人工智慧有何具體應用。Sutskever表示，還需要進行更多的研究以找出其優勢和劣勢，但是相比於強化學習，這種方法可能會更好地執行更加複雜的任務。

因此，Sutskever表示，他相信進化策略將會幫助OpenAI實現構建通用人工智慧系統的目標——可以應對多種複雜的場景。

機器學習領域內的研究人員通常不主張研究通用人工智慧系統，他們往往追求的是在特定的研究問題上取得進步。OpenAI曾經宣稱，它要構建通用人工智慧系統，這是它的使命之一。Sutskever表示，從機器學習所取進步的步伐來看，構建通用人工智慧系統的目標現在需要引起人們的關注了。

他說：「現在看來，要構建通用人工智慧系統似乎還很遙遠，但反過來想想在五年前，它不是更加遙遠嗎？現在，無論是從事該演算法開發的人數還是所付出的努力都是相當巨大的，通用人工智慧的研究也正在以非常健康的步伐向前發展。「

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！