智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業(yè)軟件
回放
品牌
其他品牌
【中國智能制造網 智造快訊】想象力是人類的本能，也是為重要的能力之一。而如今，人工智能已開始發(fā)展這種“想象力”，進行慎重性的前瞻思考。
在行動之前去預想后果，這是人類認知能力中一種的強大能力。
舉個例子，當我們將一個玻璃杯子放在桌子邊緣的時候，我們都會習慣性的擔心一下杯子放的穩(wěn)不穩(wěn)、會不會被碰下來打碎。這就是對放杯子這件事的后果的思考。為了避免不好的結果的出現，我們就會隨著調節(jié)杯子的位置，避免杯子被摔碎。
而上述提到的這種慎重性的思維方式，其實是在運用人類的“想象力”。研究表明，這種“想象力”是人類的一種本能，我們的生活中處處存在這種“想象力”。
同樣，如果我們希望人工智能算法也可以像人類一樣實現這種“想象力”，進行慎重性的前瞻思考，那么算法也必須能夠“想象”，對未來進行預測和推理。另外，算法還必須利用這些知識去調節(jié)行動計劃。
截至目前，在這個研究領域，人類已經取得了豐富的成果，例如AlphaGo這樣的程序，利用“內部模型”，分析每步操作會在未來帶來什么樣的結果，從而進行推理并實施行動。這些內部模型非常強大，圍棋是一種有著明確規(guī)則定義的活動，因此要想在幾乎任何情況下都準確地預測結果并不難。
但是，現實生活中的情況比圍棋比賽復雜的多，生活中往往沒有明確的規(guī)則，常常還會伴隨意外的出現。即使是聰明的人工智能系統(tǒng)，在這種復雜環(huán)境中展開想象都有很長的路要走，而且成本昂貴。
近，在兩篇新論文中，人類找到了一種新的方法，讓人工智能建立以想象力為基礎的計劃能力。我們還提出一種新的方式讓人工智能系統(tǒng)去學習并構建計劃，實現效率優(yōu)化。而對于不的模型，這些架構而穩(wěn)固，可以利用靈活的策略去發(fā)揮想象力。
人工智能系統(tǒng)想象力的增強
“想象編碼器”這種神經網絡學習方式可以提取有用信息，用于未來決策，同時自動剔除不相關信息。
這種人工智能系統(tǒng)有以下優(yōu)缺點：
一、表達內部模擬結果。學會表達內部模擬結果也就意味著人工智能可以通過模型的構建，發(fā)現周圍環(huán)境的變化，但這種捕獲變化的度還有待提高。
二、利用想象力。人工智能可以同時開啟多個想象力軌跡以解決合理適配問題。同時編碼器也提高了效率，還可以提取額外信息。但這種想象軌跡并不一定會帶來收益大化，但一定會帶來有用的信息。
三、權衡不同策略構建計劃。人工智能可以繼續(xù)當前的想象軌跡，也可以重新開始一個新的想象軌跡。或者說，它們可以同時可進行多個策略的構建，并從中選擇優(yōu)方案，而不會僅僅局限于一種單一的方法。這些模型擁有不同的度和計算陳本，進而帶來廣泛而的規(guī)劃策略，避免對周圍環(huán)境信息的不完全提取。
構架的測試
我們通過各種不同的任務去測試所提出的架構是否可行，其中包括推箱子游戲，以及一款太空飛船導航游戲。這兩款游戲都需要前瞻性的規(guī)劃和推理，因此是測試人工智能系統(tǒng)的方式。
在推箱子游戲中，人工智能系統(tǒng)成功將盒子推到目標之上。由于盒子只能向前推，因此許多操作是不可逆的，這就體現了其前瞻性。
在太空飛船游戲中，人工智能系統(tǒng)必須按照固定次數去啟動推進器，使飛船保持穩(wěn)定。這種操作需要適應不同星球的引力。因此，這是一種非線性的復雜持續(xù)控制任務，也可以檢測該系統(tǒng)的架構是否合理。
為了限制這兩種任務中的試錯次數，每一關卡都用程序生成，而人工智能系統(tǒng)只有一次嘗試的機會，這就鼓勵人工智能系統(tǒng)在現實環(huán)境測試之前，進行多種不同策略的前瞻性分析，進而選擇優(yōu)策略。
在以上兩種任務當中，增加版的人工智能所表現出來的“想象力”比之前的人工智能都要表現的好，都目前仍無法企及人類的水平。增強版的想象力可以根據較少的經驗進行學習，并且有能力處理建模環(huán)境中的不之處。人工智能系統(tǒng)可以從內部模擬中提取更多有效信息，因此相較于傳統(tǒng)搜索方法，可以更地完成任務。
當人工智能系統(tǒng)面對多種不同環(huán)境的模型，每種環(huán)境模型的情況和優(yōu)勢各不相同時，它可以學會權衡進而做出優(yōu)選擇。后，如果每步行動會導致想象的計算成本上升，那么人工智能系統(tǒng)就會前瞻性地想象多個連鎖行為產生的后果，隨后基于這樣的計劃，而不會再次展開想象。
原標題：AI“想象力”再升級 Deepmind是如何做到的？
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
