要学的东西太简单？太难？人类可能会因此无聊或沮丧 ， 但人工智能不会 。 在刚结束不久的神经信息处理系统大会(NeurIPS)上 ， 来自加州大学伯克利分校和谷歌的研究者展示了一项新方法 ， 让人工智能自己训练自己 。
这一新方法有望让自动驾驶汽车、家用机器人更快地学习 ， 甚至可能帮助攻破悬而未决的数学难题 。
人工智能在地图导航领域已有不少研究 ， 其中一种实验方法是让人工智能程序沿着有实心分布块的2D网格导航 。 为了让程序更快地熟悉复杂环境并到达目的地 ， 科学家会对其反复训练 ， 从而达到强化目的 ， 进而提高人工智能的应用程度 。
新发布的研究中 ， 来自加州大学伯克利分校的迈克尔·丹尼斯（Michael Dennis）和谷歌科学家娜塔莎·杰奎斯（Natasha Jaques）考虑了两种绘制地图的方法 。 第一种方法是在网格中随机安排分布块 ， 但这一方法并没有让人工智能程序有很大提升 。 第二种方法则让人工智能程序记住过去的尝试 ， 并相应地提升训练难度——但这种方法的瓶颈在于 ， 有时训练模式的难度太大 ， 程序根本无法完成 。
为此 ， 丹尼斯和杰奎斯等人创造了一个合适的环境 ， 让人工智能自我训练 。 在名为“配对”（PAIRED）的新训练方法中 ， 他们先将已有的人工智能程序与另一个几乎相同的程序结合 ， 二者间的优势各不相同 ， 但它们互为“对手” 。 在这一模式中 ， 已有的人工智能程序是主角 ， 但因为遇到了旗鼓相当的“对手” ， 挑战变得非常困难 ， 也正因此 ， 其解决问题的能力一直处于临界状态 。
经过一系列训练 ， 作为主角的人工智能程序可以解决大约五分之一的新问题 。 在NeurIPS的讨论会上 ， 丹尼斯表示他们对新成果即将开展的大量工作感到非常兴奋 。
同期 ， 在讨论会上发布的另一项研究中 ， 杰奎斯和同事已经在用PAIRED训练其他人工智能程序 ， 使之学会自动填写网络表单并预定航班 。 与传统模式相比 ， 采用新训练模式的成功率大概有50% 。
对此 ， 人工智能促进协会主席、康奈尔大学的计算机科学家巴特·塞尔曼（Bart Selman）表示 ， PAIRED是一种机智的人工智能训练方法 。
塞尔曼等人在讨论会上介绍的研究也与人工智能的自我训练有关 。 他们设计的人工智能程序需要在推箱子游戏中将方块推向目标位置 。 如果规划不当 ， 方块很可能陷入死胡同 。
为了训练人工智能 ， 塞尔曼和同事创建了一组更简易的拼图 。 训练程序会根据人工智能的表现好坏 ， 选择不同难度的“考题” ， 从而让训练计划达到合适的水准 。
【还有比这更狠的学霸？AI：我教我自己】不过目前为止 ， 考题对人工智能而言难还是简单并不好预测 。 在出给人工智能的225道考题中 ， 有80%被破解 ， 其中约三分之一的考题完全来自新的训练方法 。 塞尔曼表示 ， 这一研究发现非常有趣 ， 未来 ， 他们希望将有关成果应用到未解决的数学难题上 。
推荐阅读
- 微信删除好友朋友圈点赞还有吗
- 捡到赛鸽怎么办归还有奖励么
- 拉黑后还有共同群聊吗
- 朋友圈二次编辑后评论还有吗
- 为什么卸载了拼多多还有广告
- 拼多多提现要身份证号还有名字安全吗
- 碧诗在b站还有实权吗 b站碧诗和陈睿的矛盾
- 小狗吐血是还有救吗
- 柬埔寨除了吴哥窟还有哪些景点 柬埔寨有哪些景点
- 微信拉入黑名单还有聊天记录么