根據(jù)《自然》最新發(fā)表的一項(xiàng)研究，一類(lèi)增強(qiáng)學(xué)習(xí)算法在雅達(dá)利經(jīng)典游戲中的得分超過(guò)了人類(lèi)玩家和已有的人工智能系統(tǒng)。這類(lèi)算法被統(tǒng)稱為Go-Explore，它改善了對(duì)復(fù)雜環(huán)境的探索方式，或有望朝著實(shí)現(xiàn)真正智能學(xué)習(xí)體邁出重要一步。

增強(qiáng)學(xué)習(xí)可以讓人工智能系統(tǒng)通過(guò)探索和理解復(fù)雜環(huán)境來(lái)進(jìn)行決策，并學(xué)習(xí)如何以最優(yōu)的方式獲得獎(jiǎng)勵(lì)。然而，當(dāng)遇到很少給予反饋的復(fù)雜環(huán)境時(shí)，目前的加強(qiáng)學(xué)習(xí)算法似乎很容易碰壁。

但Go-Explore突破了這些障礙。它可以對(duì)環(huán)境進(jìn)行全面探索，同時(shí)構(gòu)建一個(gè)檔案庫(kù)來(lái)記住它去過(guò)的地方，確保自己不會(huì)忘記通往有望成功的中期階段或是最終勝利（獎(jiǎng)勵(lì)）的路線。

利用這類(lèi)算法，論文作者解決了之前未能解決的2600個(gè)雅達(dá)利游戲，驗(yàn)證了這類(lèi)算法的潛力。作者指出，記住并回到有望成功的探索區(qū)域的簡(jiǎn)單原則，是一種強(qiáng)大、通用的探索方法。他們認(rèn)為論文所報(bào)道的算法有望應(yīng)用于機(jī)器人、語(yǔ)言理解和藥物設(shè)計(jì)。
責(zé)任編輯：YYX