详情请进入 湖南阳光电子学校 已关注：人 咨询电话：0731-85579057 微信号：yp941688, yp94168
尽管机器学习在诸如围棋和Dota 2等复杂游戏中取得了显著进步，但在这些领域掌握的技能并不一定能推广到真实场景中实际应用。越来越多的研究人员正在寻求建立一种机器智能，使其行为、学习和进化更像人类。
总部位于旧金山的OpenAI公司近日发表的一篇新论文提出，在儿童的“躲猫猫”游戏中训练模型，并在数以千万计的竞赛中使它们相互对抗，可导致模型自动发展出类似人类的行为，从而提高智力并改善后续行动的性能。
为什么选择躲猫猫？
该论文的第一作者、OpenAI研究员博文·贝克认为，躲猫猫被选为一个有趣的起点，主要是因为其规则很简单。所有游戏中的代理（Agent，也称智能体，指能自主活动的软件或硬件实体）都被模拟为球形对象，可执行3种类型的操作：导航、抓住并移动物体、锁定对象，且只能由该代理的队友解锁。
研究人员在模拟的、物理接地的环境中放置了1—3个“躲藏者”和1—3个“寻找者”，房间的边界是静态墙。环境中还包括不同尺寸的可移动箱子和可移动坡道。
研究人员使用强化学习来训练游戏代理，并遵循简单的躲猫猫规则：隐藏者成功躲过寻找者的追逐，或是寻找者成功找到躲藏者。
AI如何玩躲猫猫？
在经过数亿次的游戏后，AI代理经历了几个阶段的策略发展过程。
在初始阶段，躲藏者（蓝色）和寻找者（红色）通过在空间中移动而不操纵任何物体，制定了非常粗糙的躲避和追逐策略。
在经历2500万个回合后，游戏变得更加复杂。躲藏者学会了移动和锁定在环境中的箱子和路障，以在自己周围建立堡垒，这样寻找者就永远看不到它们了。不仅如此，他们还制定了协调战略，例如相互传递物体，以加快建造堡垒的进程。
然而，在游戏进行了7500万回合之后，寻找者发现了一个反策略。他们学会了在躲藏者的要塞旁边移动一个坡道，并用它来爬过墙壁。
作为回应，躲藏者学会了将坡道移入他们的房间，因此寻找者无法用它来越过墙壁。
随着环境变得越来越复杂，躲藏者学会了使用细长箱子建造更强大的“堡垒”。虽然OpenAI认为这将是 终的策略，但在游戏进行到3.8亿回合时，寻找者再次成功反击，找出一种方法来跳到一个盒子上并利用动力在它上面“冲浪”，越过墙壁进入堡垒。
在 后阶段，躲藏者学会在建造堡垒之前锁定所有箱子，以防止“箱子冲浪”。
研究人员将这些不同策略的演变称为“来自多智能体自动课程的紧急技能进展”。“自动课程”这一术语是今年由DeepMind创造的，适用于多个代理逐渐创造新任务以在特定环境中相互挑战。OpenAI的研究人员认为，这个过程在自然选择方面具有相似之处。
这项研究为啥很重要？
鉴于躲猫猫相对简单的目标，通过竞争性自我游戏训练的多个代理学会了使用工具，并采用人类相关技能来获胜。OpenAI认为，这为未来的智能代理开发和部署提供了一个有前景的研究方向。OpenAI正在开源其代码和环境，以鼓励在该领域进一步研究。
OpenAI的 终目标是构建能够在一个通用系统中执行多项任务的人工通用智能（AGI）。虽然可能会有不同的目标，但OpenAI正在大力投资由大规模计算能力实现的强化学习研究。OpenAI 近与微软签署了一份价值10亿美元的为期10年的计算合同。
躲猫猫游戏研究也激发了OpenAI，因为随着环境复杂性的增加，游戏中的代理不断地通过新策略自我适应新的挑战。贝克表示：“如果扩展像这样的流程，并将其放入更复杂的环境中，那么你可能会得到足够复杂的代理，以便为我们解决实际任务。”
挑战在哪里？
游戏代理有时会表现出令人惊讶的行为。例如，躲藏者试图完全逃离游戏区域，直到研究人员对此施加惩罚。
其他挑战可能归因于模拟环境设计中的物理缺陷。例如，躲藏者了解到，如果他们在拐角处向墙壁推动斜坡，斜坡将由于某种原因穿过墙壁然后消失。这种“作弊”说明了算法的安全性如何在机器学习中发挥关键作用。研究人员说：“在它发生之前，你永远不会知道。这类系统总是存在缺陷。我们所做的基本上是观察，以便我们可以看到这种奇怪的事情发生，然后试着修复物理缺陷。”
（科技日报纽约9月17日电 冯卫东）
[ 责编：张梦凡 ]
。金水摩托车维修培训学校，金水摩托车维修培训班，金水摩托车维修学校，金水学摩托车维修的学校，金水摩托车维修培训哪里好，金水摩托车维修培训学校，金水摩托车维修短期培训班，金水摩托车维修培训学校地址，金水学摩托车维修培训，金水摩托车维修培训哪里好，金水摩托车维修培训班，金水摩托车维修技术培训.(编辑:hnygdzxx888)
(整理：金水摩托车维修培训学校)
湖南阳光电子学校教学特色
