DeepMind：强化学习能达到通用人工智慧水准
▼
比起限定功能的人工智慧系统，“通用人工智慧”是不少研究的目标，这样的系统可以更有弹性自动对应不同的应用范畴，就如真人。DeepMind 最近宣称，就算只是用强化学习方式训练，也可以达此水准。
DeepMind 最近于《Artificial Intelligence》期刊发表的论文表示，人工智慧系统的能力并不是透过制定和解决复杂问题而产生，而是透过“奖励最大化”的单一原则可达成。他们认为，奖励最大化和试行错误的经验，可培养出智力相关能力，其中一个实际应用的方式就是强化学习，他们相信最终可达通用人工智慧水准。
（Source：VentureBeat）
他们提出，利用这原则可更有效建立 AI 系统，他们假设“最大化奖励的一般目标足以驱动表现出自然和人工智慧研究的大部分（如果不是全部）能力的行为”，模仿大自然智慧进化的适者生存机制，迫使系统在单一目标下发展出不同的相关能力。不过这套理论仍有需解决的地方，例如对学习代理的样本效率应该如何判断，始终强化学习需要大量数据训练，而现有数据下可能要几个世纪的训练时间才能发展出通用人工智慧。
（本文由 Unwire Pro 授权转载；首图来源：shutterstock）
延伸阅读：
- DeepMind 与 Google 关系转差，AI 部门争取更大自由方案被否决
- DeepMind 持续引爆全球顶尖 AI 人才抢夺战，多伦多成为战火延烧重点城市
- DeepMind AI 预测展现惊人准确度，蛋白质折叠难题有解？
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
