人类只要示范游戏一次,OpenAI靠增强学习让AI青出于蓝胜于蓝
2018-07-09 14:00:21 | 来源:ithome | 投稿:米娜 | 编辑:dations

原标题:人类只要示范游戏一次,OpenAI靠增强学习让AI青出于蓝胜于蓝

人工智能越来越会玩游戏了,除了Dota2全人工智能代理人(Agent)OpenAI△Five团队已经可以打败人类外,OpenAI的最新研究,人工智能代理人只要看过人类示范游玩蒙特祖马的复仇(Montezuma’s△Revenge)一次,便能学习游玩技巧并获得74,500的高分。而与其他研究不同的是,OpenAI不再要求代理人(AI玩家)模仿人类行为,而是更直觉的对取得高分的行为做最佳化。

OpenAI使用了简单的演算法,只要从人类游戏示范中挑选一段适当的状态(阶段),这个状态指的是某一段游戏示范的历程,代理人再接着状态后继续游玩,并在示范过程使用近端政策最佳化(Proximal△Policy△Optimization,PPO)的增强学习,如此就能达到与人类非常的游玩程度。

OpenAI提到,要解决使用增强学习的问题,有两个重点,第一是属于探索问题,为了找出一系列趋向正面奖励的行动,第二则是学习问题,代理人要可以记得行动序列,并在些微不同的情况下稍微改变策略。

而探索是一件困难的事,一般常用的策略是,借由采取随机行动以政策梯度(Policy△Gradients)或是Q-learning这类无模型的增强学习方法进行探索。最佳的情况为,刚好随机选择到了有益的行动而获得奖励,那这些行动便会被增强,代理人未来将有更大的机率选择这些有益的行动。当随机行动的奖励足够频繁,随机行动便更容易以合理的机率获得奖励。但OpenAI指出,像蒙特祖马的复仇这类复杂的游戏,需要比较长序列的具体行动才能获得奖励时,要随机到特定序列的行动组合简直不可能发生。

尽管无模型增强学习适合短序列行动,难以应付长序列的行动,OpenAI表示,他们的策略则是将大任务拆成许多子任务,这些子任务就可以用短序列行动解决。OpenAI都以人类的示范,开始每一个增强学习的章节(Episode)。

在训练初期,代理人在示范结束时,开始每一增强学习训练章节,一旦代理人能在至少20%剩余游戏部分中,击败或是与示范者的得分平手,便开始把代理人游戏的起始点往前移动,这个过程不停重复,直到代理人不再需要使用示范,而这也表示这个代理人已经能够打败人类,最糟的状况也只会跟人类打成平手。

通过渐渐的把代理人游戏起始点往前移的过程,代理人已经能够解决大部分剩余的游戏,便能确保其遇到的都是简单的探索问题,OpenAI提到,他们将增强学习的问题解释为动态程式设计的一种形式,也就是当要从由N个行动组合而成的特定序列获得奖励,则这个序列能以线性而非指数时间被学习。研究人员指出,代理人有人类示范,对于成果好坏至关重要。

由于Google旗下DeepMind,最近也展示了人工智能游玩蒙特祖马的复仇这款游戏的成果,OpenAI表示,DeepMind是以模仿学习(Imitation△Learning)来学习游戏,这个方法的优点是,他们不需要对执行环境进行控制,不需要特别设置游戏的状态(阶段),而且不会假设代理人会遭遇到人类示范中的所有游戏状态,但缺点就在于,这方法让代理人去学习人类的行为,而这也只会让代理人的游戏技巧顶多跟人类一样。

OpenAI的方法直接对游戏的目标,也就是分数做最佳化,而非仅要代理人模仿人类行为,OpenAI强调,他们的方法不会过度适应潜在的次优示范,并可以在多玩家游戏中仍然获得优势。该方法所使用的PPO与OpenAI△Five相同。这个研究的价值在于,允许代理人偏离示范行为,因此有机会考虑人类示范者没有想过的解决方案。

tags:

上一篇  下一篇

相关:

人工智能诊断脑瘤准确度达 87% 击败人类顶尖医生 | 香港 UNWIRE.HK 玩生活.乐科技

据北京新华社报道,过去星期日于北京曾举办一场有关利用神经影像诊断大脑肿瘤和预计血肿扩充的比赛。在经过两轮赛事后,其中一个参赛的人工智能系统 BioMind 以 2:0 打败在场所有顶尖医生。该人工智能系统由北京天坛

Sades x Bongiovi Acoustics Spellond Pro 专利全景声震动游戏耳机 | 香港 UNWIRE.HK 玩生活.乐科技

对于喜欢打机,尤其是爱玩“食鸡”这类第一身射击的玩家,一般都会想入手一款定位功能出色,而且有临场感的耳机,一来可以帮助更快找出敌人,二来也不会在打机时被人骚扰。Sades 最近就联合美国 Bongiovi Acoustics

Nintendo Labo 玩家DIY光线枪游戏 十足WarGame感觉! | 香港 UNWIRE.HK 玩生活.乐科技

任天堂推出的纸皮箱玩意 Nintendo Labo,除了厂方提供的玩法如钓鱼、机械人、赛车之外,不少玩家都喜爱自制其他玩意自娱一番。而有玩家利用纸皮箱配合 Joy-con 与 DIY 手枪模型,制作了一个小型 WarGame 游戏,单看示

【评测】《权力游戏》第一季 4K UHD BD Dolby Vision/Atmos 重温“龙母”崛起 | 香港 UNWIRE.HK 玩生活.乐科技

HBO 中世纪史诗奇幻连续剧《权力游戏》(Game of Thrones)可谓是该公司的皇牌剧集,但也将在明年播出“最终回”第八季之后走到终点。如果你与艾域一样尚未进入“冰与火之歌”世界,会否乘着该剧早前正式在港推出的第

Sony 推特惠版“PlayStation Hits” $148 买经典游戏 | 香港 UNWIRE.HK 玩生活.乐科技

PlayStation 4 推出至今,已有一系列出色的畅销游戏。如今, Sony 官方宣布,将会推出“PlayStation Hits”系列,让玩家可以优惠价格,购买一系列畅销游戏。让当时错过游戏推出的玩家,以更相宜的价钱体验这批出色作

站长推荐: