江苏龙网

  1. 首页 > 资讯 > 科技 > >

探索|AI：我又又又打败了人类冠军！小学生：叫爸爸！( 二 )


将儿童探索行为应用于AI ， 一切都能变得更好 ， 理想层面上确实如此 ， 但现实总喜欢跟科学家们开玩笑 ， 也算是给人类保留了一个“杀手锏”吧 。
AI能力暴涨的当下 ，
人类为什么还能稳坐智慧王座？
需要注意的是 ， 这些类似儿童探索的策略 ， 通常更多被用在训练期间提高代理人的经验值 ， 而不是在决策时支持快速学习和探索 。 用人话说就是“懂得了许多道理 ， 却不一定能过好这一生” ， 因为一到关键选择时刻就会掉链子 。
就拿前面提到的深度优先搜索（DFS）来说 ， 科学家们发现 ， 如果让孩子们自由探索 ， 那么他们与智能体按DFS做出的行动有90%的相似 ， 而以目标为导向（找到橡皮糖）来探索的话 ， 有96%的路线都是相似的 。 但不同的是 ， 探索越多的孩子 ， 最后能花费更少的时间完成任务 ， 智能体却相反 。
探索|AI：我又又又打败了人类冠军！小学生：叫爸爸！
图片

如果智能体发现一个地方很有趣（能得到奖励） ， 就会一直重新访问该区域 ， 直到它终于终于终于觉得那里不再有趣了 ， 这会导致其概括性不佳（无法形成最佳策略） 。
其中的差别就在于 ， 孩子不是被动地孤立学习或由目标驱动 ， 而是在不断实验和收集信息 ， 将自己的认知和经验与获得的信息结合起来 ， 编织出一个丰富的世界模型 。 而即使最复杂的机器探索方法 ， 也只能为特定的目标服务 ， 一时半会还无法完美匹配这个充满了各种“意外”的真实世界 。
为什么有了一定的探索能力 ， AI智能体的表现还是不尽如人意呢？
首当其冲就是实验室与现实环境的巨大不同 。
深度强化学习过去都是“机上谈兵” ， 不是跟人类在二维游戏里PK ， 就是数字网格里下棋 ， 而儿童的探索则是发生在信息丰富的三维现实世界之中 ， 许多潜在因素很难被应用到实验中 。
这也是为什么 ， 当今最强大的AI智能机器人也达不到一个仅小学毕业的优秀人类服务员的工作能力 ， 能像他们一样快速适应环境、完成各种复杂任务 。
探索|AI：我又又又打败了人类冠军！小学生：叫爸爸！
图片

此外 ， 儿童的发展心理学研究很难在AI产业链中形成“闭环” 。 要真正激发AI生长出服务现实的能力 ， 不仅要构建出具有更强探索能力的智能体 ， 还要继续学习人类的认知能力 ， 推进人工智能自身的理论创新和软硬件升级（比如搭建三维训练环境） ， 这一系列链式突破 ， 才能最终将技术构想转化为现实生产力 。 “大力出奇迹”的深度学习 ， 其高光时刻就是这么来的 。
沿着这个方向 ， 我们可以进一步了解 ， 怎样才能弥合智能体与人类之间的差距 。
下一代AI ， 逐渐浮出迷雾的真实未来
在过去的数年里 ， 深度学习做到了传统算法所无法企及的进度 ， 催生了大量的工业界应用 ， 但其实 ， 现在的深度学习还是很傻——举个例子 ， 大部分人都可以通过几十个小时的学习学会开小汽车 ， 而完全自动的L5级无人汽车至今还是个遥远的梦 。
图灵奖得主Geoffrey Hinton就一直非常渴望找到一种新的实现深度网络的方法 ， 认为目前（最广泛的反向传播算法）根本不是大脑的工作机制 。
另一位图灵奖得主Yann Lecun ， 就认为在某些游戏中 ， 需要大量增加模型训练时间才能达到或超过专业人类玩家的水平 。
通过儿童的学习模式 ， 发现当前最优秀的AI也比不上5岁小孩的智力 ， 或许我们可以回答“下一代AI应该是什么样” ， 这个神经网络最重要的未解难题之一 。
至少要有两重升级：
1.有意识 。 目前公认文字表达能力最高、模型最为庞大的GPT-3也曾被专家吐槽是“无脑作业” ， 其实并不真正理解自己写出的句子 。 而具有自主探索、决策、推理能力的AI ， 可以理解自己周围的环境 ， 才是真正的人工智能 。


推荐阅读


上一篇：|第14号台风“灿鸿”刚刚生成，最强风力可达14级！

下一篇：金属加工|厦门金鹭G-PAK2020在线新品发布会即将举办，你来吗？