公告：Twitter买赞网站 --twitter买播放量平台
红豆 丽翔 凹非寺物理位 报导 | 社会公众号 QbitAI
能棋艺、能打刀塔、能玩星舰……广度加强自学(DRL) 就快称霸了。
但业内始终似曾相识常用的忧虑：
加强自学 (RL) 很慢。人类文明一三盘就能专业委员会的格斗游戏，AI可能将要和格斗游戏自然环境交互上万次就可以弹出。样品工作效率低，演示不出人类文明自学的操作过程。
那时，DeepMind项目组用早先的科研成果归纳，来说我们此种忧虑不值得称赞：
广度加强自学早已有了十分加速且灵巧的控制技术。
因此，从AI应用领域问世的方式，也能为人类文明的社会学和认知科学增添捷伊认知。
这篇广度加强自学概要，早已赢得了twitter观众们的799赞。
为什么会慢
最近五年，是DRL爆发的时期。一开始，就像人们批判的那样，算法的确学得很慢。
但要让它快起来，首先要知道为什么慢。
DeepMind举出了两个主要原因：
一是增量式的参数更新(Incremental Parameter Adjustment) 。最初的算法，从输入的周围自然环境，到输出的AI动作之间，是靠梯度下降来完成映射的。
在这个操作过程中，每个增量都需要十分小，才不至于让新学到的信息，把之前学到的经验覆盖了 (这叫做灾难性干扰) 。如此一来，自学操作过程便十分缓慢。
二是弱归纳偏置(Weak Inductive Bias) 。任何自学操作过程，都要面临偏见-方差权衡。
所谓偏见，就是一开始限定好一些可能将的结果，AI从里面找出自己想要的那一种。限定越窄，AI就可以只考虑为数不多的可能将性，更快地得出结果。
弱归纳偏置，就需要考虑更多的可能将性，自学也就慢一些。重要的是，通用神经网络都是偏见极低的系统，他们有十分大量的参数，可以用来拟合大范围的数据。
DRL，就是把广度网络用到RL里面。所以，最初样品工作效率必然是极低，需要大量数据来自学。
快从慢中来
不过，从最近的研究上看， 这两个问题都是有办法解决的。
DeepMind举出了两种方式，对症下药。
首先，解决参数增量的问题：
方式是情节性广度加强自学(Episodic DRL) 。就是给过去发生的事件，保留一个明确的记录 (Explicit Record) 。这个记录会作为依据，指导AI做出捷伊决策。
它与机器自学里非参数的方式异曲同工，也很像基于示例 (Exemplar-Based) 的社会学原理。
当遇到一个新事件，该做新决策的时候，就把当前事件的内部表征 (Internal Representation) ，跟储存的各种过去事件对比一下。匹配分数最高的中选。
和增量方式的区别在于：在这里，从过去的事件里学到的信息，都可以立刻派上用场，由此加速了自学操作过程。
但注意，加速的情节自学，是以缓慢的增量自学为基础的。
因为，在把当前事件和过去事件的表征作对比之前，AI先要专业委员会这些表征：连接权重(Connection Weights) 的自学，依然要靠增量来进行，就像传统的DRL算法那样。
慢慢学好表征之后，就可以开始迅猛地奔跑。
DeepMind说，快从慢中生并不是什么巧合，在社会学和认知科学上的体现，不亚于AI应用领域 (这个部分，我们可以自行探索原文) 。
然后，再解决归纳偏置的问题：
首先限定好一个狭窄的范围，再让AI去探索。道理都懂，可怎么知道应该限定在哪里？
答案是，借鉴过去的经验。
打个比方，第一次用智能手机的人类文明，可能将从前还用过其他的设备。那里的经验，就可以帮他很快专业委员会智能手机的用法。如果没有那些经验，就只能广泛尝试，影响自学速度了。
这个思路，也是从社会学上来的，叫做学着自学 (Learning to Learn)。
社会学家Harry Harlow就曾经用猴子来做实验：给猴子两个不熟悉的物体，一个下面放食物，一个不放。换两个物体，再换两个……久之猴子就知道，一边有食物一边没有，不管物体是什么，不管左边有还是右边有。
回到AI上来，用过去的经验来加速自学，在机器自学里叫做元自学 (Meta-Learning)。
Wang与Duan带领的两项研究，几乎是同时发表。都把这样的原理用在了广度加强自学上，就是元加强自学 (Meta RL)。
一个RNN是用许多互相关联的RL任务来训练的。
RNN的权重慢慢调整，然后可以吸取各种RL任务里面的共同点，改变网络的设定。原本，它没办法做到加速改变，来支持任何一个单一任务。
重点来了，从RNN的活动动态 (Activity Dynamics) 中，可以生出一个独立的RL算法，根据过往的任务，加速解决新任务。
一个RL算法，能生出另一个RL算法，这就是元加强自学。
像情节性RL一样，元RL也涉及了加速和慢速之间的联系：
RNN中的连接，是在不同RL任务的自学中缓慢更捷伊，建立起不同任务之间共同的部分，把它内置到网络里去。
让这个RNN，来实现捷伊RL算法，就可以加速搞定各种情况了。毕竟，早已有了慢速自学的归纳偏置做基础 (就像人类文明使用智能手机之前，早已用过其他设备那样)。
依然，慢是快的前提。
当然，情节性DRL可以和元RL合在一起用，相辅相成。
在情节性的元加强自学里，元自学是在RNN里实现的，不过上面叠加了一个情节记忆系统，作用是恢复RNN里的活动模式 (Patterns of Activity) 。
就像情节性RL一样，情节记忆会对各种过去的事件进行编目，可以查询。
但决策操作过程不一样，不是按照匹配分数来选择下一步的动作。而是和RNN存储好的活动模式，联系起来。
这些模式十分重要，通过RNN，它们可以归纳出智能体学到的东西。
当智能体遇到了类似过去的情况，就会在从前的经验中，恢复一些隐藏的activations，让之前学过的信息立即派上用场，影响当前的策略。
这就叫情节性元加强自学，可以进一步加快加强自学的速度。
慢慢地，人们开始减轻对加强自学算法的忧虑；并重新开始相信，这样的AI可以演示人类文明的自学操作过程。
传送门
不知未来，不断加速的加强自学，还能在哪些应用领域超越人类文明呢？
概要原文传送门：https://www.cell.com/action/showPdf?pii=S1364-6613%2819%2930061-0
—完—
小程序|get更多AI资讯与资源
加入社群
物理位AI社群开始招募啦，物理位社群分：AI讨论群、AI+行业群、AI控制技术群；
欢迎对AI感兴趣的同学，在物理位社会公众号（QbitAI）对话界面回复关键字群，获取入群方式。（控制技术群与AI+行业群需经过审核，审核较严，敬请谅解）
物理位QbitAI · 头条号签约作者
վᴗ ի 追踪AI控制技术和产品新动态
喜欢就点「在看」吧 !
