全国咨询热线：13923733903
- 学习效率低怎么办？谷歌科学家让人工智能边玩边学.
阅览次数：1087 次
深度强化学习是一种利用奖励推动软件策略实现目标的人工智能培训技术，已经被用于各种会对社会规范产生影响的模型，比如创建擅长玩游戏的人工智能以及可以从泄露事故中恢复的编程机器人。但是尽管它具有很多功能，但强化学习（RL）还是有一个缺点：效率低下。培训一个策略需要在模拟或现实环境中进行大量的交互，这个过程远远超过普通人学习一个任务所需要的交互量。
为了在视频游戏领域做出一些改进，谷歌的研究人员最近提出了一种新的算法，模拟策略学习（Simulated Policy Learning），简称SimPLe，它使用游戏模型来学习选择动作的质量策略。
谷歌的人工智能科学家Kaiser和Dumitru Erhan在相关论文中写道：“在高层次上，SimPLe是在模拟游戏环境中学习游戏行为的世界模型，并使用该模型优化策略之间的交替。这种算法背后的基本原理已经建立得非常好了，并已被用于最近许多基于模型的强化学习方法之中。”
训练人工智能系统玩游戏需要在给定一系列观察帧和命令，例如“左”、“右”、“前”、“后”的情况下预测目标游戏的下一帧。他们指出，一个成功的模型可以产生可用于训练游戏代理策略的轨迹，这将消除对游戏内序列的需要，这些序列的计算成本高昂。
在相当于持续两小时的游戏实验中，使用SimPLe调整策略的代理在两个测试游戏中获得了最高分，并产生了“近乎完美的预测”，最多可以预测未来50步。它们偶尔会难以捕捉游戏中某些物体，因而导致失败，研究人员承认它还无法达到标准RL方法的性能，但SimPLe在培训方面的效率已经提高了两倍。
谷歌的人工智能科学家Kaiser和Dumitru Erhan在相关论文中写道：“在高层次上，SimPLe是在模拟游戏环境中学习游戏行为的世界模型，并使用该模型优化策略之间的交替。这种算法背后的基本原理已经建立得非常好了，并已被用于最近许多基于模型的强化学习方法之中。”
训练人工智能系统玩游戏需要在给定一系列观察帧和命令，例如“左”、“右”、“前”、“后”的情况下预测目标游戏的下一帧。他们指出，一个成功的模型可以产生可用于训练游戏代理策略的轨迹，这将消除对游戏内序列的需要，这些序列的计算成本高昂。
在相当于持续两小时的游戏实验中，使用SimPLe调整策略的代理在两个测试游戏中获得了最高分，并产生了“近乎完美的预测”，最多可以预测未来50步。它们偶尔会难以捕捉游戏中某些物体，因而导致失败，研究人员承认它还无法达到标准RL方法的性能，但SimPLe在培训方面的效率已经提高了两倍。
http://www.cnmo.com/news/658957.html
