Google在英国剑桥有个附属机构DeepMind，一直在尝试让人工智能软件(AI)玩游戏，想让它们在玩游戏的过程中学会如何与真实世界互动，这些AI软件非常喜欢电视游戏，而且只要经过不断练习，人工智能软件甚至会比人类玩的还好，虽然游戏世界与真实世界似乎风马牛不相及，但实际上，学习的过程和解决问题的逻辑都是一样的：观察→状态判断→行动→反馈→观察……
其实除了Google外还有一家名为Osaro的公司开发的人工智能软件是基于神经网络和增强学习设计的，人工智能的神经网络类似于人类大脑的神经网络，理论上讲：如果给AI提供了足够多的照片，它就能通过这些已知信息辨识出某一张照片中的所有东西，而应用在游戏中，则能让人工智能（AI）搞清楚目前的游戏是什么状态，所以Osaro公司还特别研发了循环神经网络，它可以让人工智能软件拥有类似于人类的短期记忆——将短暂的过去与现在进行比较，能够更好地判断出环境状态的变化和未来发展趋势，观察结束后，增强学习用于调整行动：如果行动结果是正向的，下次就还会这样做，反之则摒弃这种做法，游戏世界很单纯，分数奖励就像刺激人类大脑的多巴胺，如果一项行动能让分数增加，那么人工智能软件下次就会更倾向于这样做或者选择类似的做法。
将这种学习方法应用到现实场景，才是Google和Osaro的最终目的：例如如果机器人成功把杯子放到指定位置就能得到奖励，把杯子打碎了就会受到惩罚，那么如此一来，它就会懂得人类想要的是什么结果，而不会再是机械地执行命令。其实人工智能软件就像小孩子，不断在游戏中试错，最终就会找到所有通关技巧，虽然现实世界的复杂程度是游戏所无法比拟的，但让AI玩游戏更像“授之以渔”——学会“如何学习”比“学到了什么”更加重要！
原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/100328.html