位置:编程技术网 > 运维管理 > 正文 >

AI:我又又又打败了人类冠军!小学生:叫爸爸!

2020年10月06日 03:25来源:未知手机版

境界触发者 动漫,呼和浩特中考网,冷水滩租房

看到“双节”期间中国有5.5亿人出行的新闻,我不由得虎躯一震。想到了人会多,但没想到会这么多!看来大家都充满了探索欲,希望在难得的假期去往自己熟悉或未知的地方。

就算你选择了“家里蹲”,也一定会通过网上冲浪、阅读游戏等方式,来探索自己的内心世界。

探索是人类的本能,从婴儿时期开始,好奇心就驱动着我们去探索并理解自己所在的世界, AI的成长则离不开对人类的观察与模仿,其中,就包括探索的能力。

这种能力被算法掌握之后,出现了阿尔法狗打败人类棋圣,也出现了OpenAIFive——在电子游戏领域完虐人类玩家。不过即便如此,人类的探索能力依然令最高级的AI都望尘莫及。

比如婴儿可以从爬行和探索中学会认知三维空间,而一些计算机视觉还总被曝出被平面照片所欺骗过去的新闻,上马更高性能的3D视觉算法则需要耗费巨大的算力资源,从这个角度看,人脑无疑在效果和效率上都碾压了AI。

>

5岁小孩碾压AI,“玩”就够了

大家不妨在假期做一个生活观察,看看小孩子们是如何探索世界的?

如果一个玩具看起来有很多玩法,但他们不知道哪一个是正确的,小孩子们会进行假设驱动的探索,如果“假设”失败了,他们就会转向新的玩具。

有研究显示,一个11个月大的婴儿,在看到许多违反物理定律的现象时,会忍不住对其进行更多的探索,甚至会做出一些违规行为来实践自己的假设。

比如看到一辆漂浮在空中的汽车,有点颠覆以往的认知了,你会怎么做?婴儿会选择将玩具砰地扔到桌子上,想知道这种“不合常理”的情况是怎么出现的(所以阻止熊孩子弄坏你手办的唯一办法,就是根本不要让他们看到它们)。

>

不过就像小王子觉得枯燥的大人们看不到“蟒蛇肚子里的大象”一样,令人遗憾的是,这种探索能力是幼儿的专长,大部分情况下只存在在5岁以前,这也让他们成为宇宙中最好的学习者。

>

科学家们曾将好奇心引入神经网络,打造了深度增强学习,通过奖励反馈来鼓励智能体(agent)主动探索和理解环境,更新模型参数。这让AI能够自主获得技能,在电子游戏等需要通用智能的复杂场景中能够做出自己的决策,而不是人类预先通过庞大的标注数据集给定答案。

其他类型的儿童行为亦有价值。前面提到的“不见黄河心不死”的探索,就被化作深度优先搜索策略,DeepMind和加州大学伯克利分校的研究人员,开发了一个3D导航和解谜环境。智能体(agent)沿着特定路径进行探索,如果遇到死胡同,那就回去找到下一条没有探索过的道路,继续前进。

>

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。

>

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。

本文地址:http://www.reviewcode.cn/yunweiguanli/176013.html 转载请注明出处!

今日热点资讯