Agent57為我們構建更加強大的AI決策模型奠定了基礎。
AI打遊戲會比普通人優秀？DeepMind給了肯定的答案。近日，DeepMind宣佈它們的智能體Agent57首次在所有57款雅達利遊戲上超越人類玩家。
近年來，DeepMind一直在研究提高智能體在遊戲環境下的智能性，通常情況下，智能體在遊戲中能夠應對的環境越複雜，它在真實環境中的適應能力也會越強。
此次Agent57挑戰的街機學習環境（Arcade Learning Environment，ALE）包括57款遊戲，為智能體的強化學習提供了複雜的挑戰。
而之所以會選擇雅達利遊戲作為訓練的數據集，DeepMind表示雅達利遊戲足夠多樣化，可以評估智能體的泛化性能，其次它可以模擬在真實環境中可能遇到的情況，並且雅達利遊戲是由獨立的組織構建，可以避免實驗偏見。
據悉，Agent57在多臺計算機上並行執行，並啟用強化學習算法（Reinforcement learning，RL）驅動智能體採取行動，使得獎勵的效果最大化。此前，強化學習在遊戲領域就取得不少進展，比如OpenAI的OpenAI Five和DeepMind的AlphaStar RL智能體分別打敗了99.4%的Dota 2玩家和99.8%的星際2玩家。
圖 | Agent57的框架
雅達利遊戲中的Montezuma、Revenge和Pitfall都很難，AI必須先嚐試多種不同的策略，才能找到可行的方法。而在Solaris和Skiing遊戲中，需要一段時間才能顯示決策結果，這意味著AI必須在相當長的時間內收集儘可能多的信息。
Agent57通過讓不同的計算機研究遊戲的各個方面來克服了這些難題，然後將收集到的信息反饋給一個控制器，由控制器對所有這些因素進行分析以制定出最佳策略。
DeepMind將Agent57與當前最先進的算法MuZero、R2D2和NGU做了比較，Agent57顯示出了更高的平均性能（100）。
研究團隊表示，“這並不意味著雅達利遊戲研究的結束，我們不僅要關注數據效率，也需要關注總體表現，未來的主要改進可能會是Agent57在探索、規劃和信度分配上。”比如減少AI運行的算力，在集合中的一些較簡單的遊戲中變得更好。
Agent57在雅達利遊戲中取得超越人類玩家的成績，為我們構建更加強大的AI決策模型奠定了基礎：AI不僅可以自動完成重複性的任務，也可以自動推理環境。
更多優質內容，請持續關注鎂客網~
閱讀更多 鎂客網 的文章
