新闻资讯
您的位置:主页 > 新闻资讯 > 行业新闻 >

人工智能AI通过自学轻松成学霸!

日期:2021-01-23 16:47
    人工智能可以通过自学来完成训练,从而使用越来越复杂的方法来操纵箱子。
人工智能AI通过自学轻松成学霸!

    是不是太容易学了?太难了?人类可能会感到无聊或沮丧,但人工智能不会。在最近结束的神经信息处理系统(neurips)会议之上,来自加州大学伯克利分校和谷歌的研究人员展示了人工智能自我训练的新方法。这种新方法有望使自动驾驶仪和家庭机器人学习速度更快,甚至有助于悬念数学问题的突破。
    人工智能在地图导航领域有很多研究。其中一种实验方法是让人工智能程序在二维网格之上用实心分布块导航。为了使程序更快地熟悉复杂的环境,到达目的地,科学家们会对其进行反复训练,从而达到强化的目的,进而提高人工智能的应用水平。
    在这项新的研究之中,加州大学伯克利分校的迈克尔·丹尼斯和谷歌科学家娜塔莎·雅克考虑了两种绘制地图的方法。第一种方法是在网格中随机地排列分布块,但是这种方法并没有极大地改进人工智能程序。第二种方法让人工智能程序记住过去的尝试,并相应地增加训练难度——但这种方法的瓶颈是有时训练模式太难,程序无法完成。
    为此,丹尼斯和雅克等人创造了一个适合人工智能自我训练的环境。在称为配对的新训练方法之中,他们首先将现有的人工智能程序与另一个几乎相同的程序相结合。这两个项目的优势是不同的,但它们是彼此的“对手”。在第一次模拟考试之中,现有的人工智能程序是主角,但由于“对手”,挑战变得非常困难。因此,解决问题的能力总是处于临界状态。
经过一系列的训练,作为主角的人工智能程序大约可以解决五分之一的新问题。在neuroips会议之上,丹尼斯说他们对即将进行的大量工作感到非常兴奋。
    与此同时,在研讨会之上发布的另一项研究之中,雅克和同事们一直在使用paired来训练其他人工智能程序自动填写网络表单和预订航班。与传统的培训模式相比,新的培训模式成功率在50%左右。
    对此,康奈尔大学计算机科学家、人工智能促进协会主席巴特·塞尔曼表示,配对训练是人工智能的一种聪明训练方法。
    萨尔曼等人在研讨会之上提出的研究也与人工智能的自我训练有关。他们设计的人工智能程序需要在推箱子游戏之中将箱子推到目标位置。如果规划不当,广场很可能陷入死胡同。
为了训练人工智能,塞尔曼和他的同事们创造了一组更简单的谜题。训练方案将根据人工智能的表现,选择不同难度的“试题”,使训练计划达到相应的水平。

    然而,到目前为止,这个测试对于人工智能来说是困难或简单的,而且不容易预测。在给人工智能的225个问题之中,80%已经被破解,其中大约三分之一来自新的训练方法。塞尔曼说,这些发现非常有趣,今后,他们希望将研究结果应用到尚未解决的数学问题之上。