DeepMind又搞了個大事情！讓人工智能像人一樣學習

【AI世代編者按】通過開發(fā)出一款能夠在任務中不斷學習的人工智能程序，研究人員已克服了人工智能的主要障礙之一。

由谷歌(微博)旗下人工智能公司DeepMind開發(fā)的這款程序，已經(jīng)完成了一系列不同的任務，且表現(xiàn)的幾乎像人類一樣出色。更為重要和獨特的是，這個人工智能程序不會忘記先前解決問題的方法，能夠使用學習到的知識解決新問題。

關注AI世代（微信號：tencentAI），回復“人工智能學習”可獲得DeepMind該論文下載。

在遇到新挑戰(zhàn)時，目前的人工智能就無法發(fā)揮出人類的一般智力，且它對過去課程的使用更為有限。但如果研究人員想要開發(fā)與人類智力匹敵的強人工智能（Artificial General Intelligence）機器，就必須得解決人工智能無法發(fā)揮出人類一般智力的問題。

“如果我們有更聰明、更有用的電腦程序，那么它們就必須得有按順序?qū)W習的能力，”DeepMind的研究人員詹姆斯·柯克帕特里克（James Kirkpatrick）表示。

對人類而言，牢記舊技能并把它應用到新任務是很自然的事情。一個經(jīng)?；当娜撕芸毂隳苷莆樟锉募记桑驗橐环N技能能夠幫助其它的技能。但是對人工智能研究人員來說，把這種能力植入到計算機當中的難度相當大。人工智能程序通常只能針對一個任務，僅僅是一個任務。

這個問題的出現(xiàn)是因為人工智能倚重工作的方式。絕大多數(shù)的人工智能是基于稱為神經(jīng)網(wǎng)絡的程序，經(jīng)過無數(shù)次的試驗和錯誤，學習如何執(zhí)行如下棋、打撲克等任務。一旦訓練神經(jīng)網(wǎng)絡下棋，它只有在覆蓋了學習到的博弈技巧之后才能學習其它游戲的技巧。這也被人工智能研究人員稱為“毀滅性的遺忘?！?/p>

如果不具備在一個技巧之上掌握另一個技巧的能力，人工智能就永遠無法像人類一樣，或是有足夠的靈活性去解決人類能夠解決的新問題?！叭祟惡蛣游飼粋€問題接著一個問題的學習，這是建立在他們以前所學知識的基礎之上、讓他們不斷學習的關鍵因素，”柯克帕特里克說。

為了開發(fā)新型人工智能，研究人員借鑒了神經(jīng)科學的研究成果，它表明動物在不斷學習的同時，會在大腦中保留過去所學的重要技能。對于動物的生存而言，通過躲避捕食者學到的經(jīng)驗至關重要。如果老鼠尋找食物的技能被抹去，那么它就不會長時間的生存。

DeepMind的人工智能用簡單的方式借鑒了大腦學習的狀態(tài)。當它從一個任務轉(zhuǎn)向另一個任務時，它會計算出在神經(jīng)網(wǎng)絡中的哪個連接對已學到的任務最為重要。然后在學習下一個技能時，很難對已學內(nèi)容進行改變?！爱斁W(wǎng)絡能夠再利用已學到的知識時，它會這樣做，”柯克帕特里克說。

研究人員讓人工智能隨機玩10款經(jīng)典的Atari游戲。他們發(fā)現(xiàn)，在每款游戲上花費數(shù)天之后，人工智能在7款游戲中的表現(xiàn)已同人類玩家相同。如果不采用新記憶鞏固法，人工智能只能玩其中的一款游戲。

在觀察人工智能玩游戲的過程中，科學家們發(fā)現(xiàn)了一些有趣的策略。舉例來說，當人工智能玩賽車游戲Enduro時，它會把夜間、白天、雪地等環(huán)境當作是不同的任務來對待。

研究人員在在國際權威綜合學術期刊《美國科學院院報》(Proceedings of the National Academy of Sciences of the United States of America, PNAS)發(fā)表的論文中，詳細描述了新人工智能如何使用過去學到的經(jīng)驗來解決問題。不過目前尚不清楚使用過去的經(jīng)驗能否讓人工智能表現(xiàn)的更加優(yōu)異。雖然DeepMind開發(fā)的人工智能程序能夠玩不同的游戲，但技術卻沒有像專用的人工智能那樣出色?！拔覀円呀?jīng)證明它可以按順序?qū)W習任務，但我們沒有

表明因為按順序?qū)W習它就能變得更好，它依然有改進的空間，”柯克帕特里克說。

“我們知道連續(xù)學習非常重要，但我們還沒有進入展示人類和動物利用所學能夠做些什么的下一個階段。這仍需要很長的路要走，但我們知道它是無法逾越的障礙，”柯克帕特里克說?！岸嘤猛救斯ぶ悄艿陌l(fā)展仍需要很長時間，該領域仍有許多的挑戰(zhàn)未得到解決。其中的難題之一是建立能夠?qū)W習處理新任務和挑戰(zhàn)的系統(tǒng)，同時保留已經(jīng)學會的能力。這項研究目前仍處于初期，它能夠及時幫助我們建立問題--解決系統(tǒng)，從而更靈活，更有效地學習?！?/p>

西英格蘭大學布里斯托爾機器人實驗室教授艾倫·溫菲爾德（Alan Winfield）就此表示，DeepMind的工作“令人驚訝”，但補充說：“我不認為它能夠讓我們更接近強人工智能，因為這項研究并未向我們表明人工智能如何把學習到的經(jīng)驗應用到另一項任務當中?！保ň幾g/明軒）