英國(guó)《自然》雜志24日發(fā)表一項(xiàng)人工智能研究成果：美國(guó)團(tuán)隊(duì)報(bào)告了一類增強(qiáng)學(xué)習(xí)，可回溯過去、解決復(fù)雜任務(wù)，真正改善了對(duì)復(fù)雜環(huán)境的探索方式，有望應(yīng)用于機(jī)器人、語(yǔ)言理解和藥物設(shè)計(jì)領(lǐng)域。這類算法被統(tǒng)稱為“Go-Explore”，其已經(jīng)在一款經(jīng)典游戲的算法挑戰(zhàn)中得分超過了人類玩家和先進(jìn)的人工智能系統(tǒng)。該成果被認(rèn)為正朝著實(shí)現(xiàn)真正“智能學(xué)習(xí)體”邁出了重要一步。

增強(qiáng)學(xué)習(xí)，可讓人工智能系統(tǒng)通過探索和理解復(fù)雜環(huán)境來進(jìn)行決策，并學(xué)習(xí)如何以最優(yōu)的方式獲得獎(jiǎng)勵(lì)。獎(jiǎng)勵(lì)可以包括機(jī)器人抵達(dá)特定位置或是在電腦游戲中達(dá)到一定的等級(jí)。然而，當(dāng)遇到很少給予反饋的復(fù)雜環(huán)境時(shí)，現(xiàn)階段的加強(qiáng)學(xué)習(xí)算法就很容易碰壁，這讓人工智能專家們非常苦惱。

美國(guó)“OpenAI”是由諸多硅谷巨頭聯(lián)合建立的人工智能非營(yíng)利組織，推動(dòng)者包括美國(guó)創(chuàng)業(yè)孵化器Y Combinator總裁薩姆·阿爾特曼、美國(guó)太空技術(shù)探索公司(SpaceX)創(chuàng)始人埃隆·馬斯克等，其目標(biāo)是希望能夠預(yù)防人工智能的災(zāi)難性影響，并推動(dòng)人工智能發(fā)揮積極作用。此次，“OpenAI”的科學(xué)家艾德蘭·艾克菲特、朱斯特·赫伊津哈及團(tuán)隊(duì)，提出了有效探索面臨的兩個(gè)主要障礙，并設(shè)計(jì)了一類算法來解決這些障礙。

研究人員表示，“Go-Explore”可以對(duì)環(huán)境進(jìn)行全面探索，同時(shí)構(gòu)建一個(gè)檔案庫(kù)來記住它去過的地方，確保自己不會(huì)忘記通往有望成功的期中階段或是最終勝利(獎(jiǎng)勵(lì))的路線。其在雅達(dá)利經(jīng)典游戲中的得分，超過了人類玩家和先進(jìn)的人工智能系統(tǒng)，研究人員用這類算法，解決了之前未能解決的2600個(gè)雅達(dá)利游戲，驗(yàn)證了這類算法的潛力。“Go-Explore”在算法挑戰(zhàn)《蒙特祖馬的復(fù)仇》中的得分是之前的4倍，在另一個(gè)算法挑戰(zhàn)《瑪雅人的冒險(xiǎn)》中的得分也超過了人類玩家的平均水平。而相對(duì)的，此前的算法一分都拿不到。

“Go-Explore”算法還能完成一個(gè)模擬機(jī)器人任務(wù)，在這項(xiàng)任務(wù)中，它必須用機(jī)械臂把東西撿起來并放到4個(gè)架子中的一個(gè)架子上，其中兩個(gè)架子被關(guān)在兩扇門的后面。

研究人員指出，記住并回到有望成功的探索區(qū)域的簡(jiǎn)單原則是一種強(qiáng)大、通用的探索方法。他們認(rèn)為最新的算法有望應(yīng)用于機(jī)器人、語(yǔ)言理解和藥物設(shè)計(jì)。

(科技日?qǐng)?bào))