您尚未登录账户
您的企业账号申请正在审核中
DeepMind开发的AI展现出社会学习能力
谷歌DeepMind项目的一支AI研究小组开发了一种能够展示社会学习能力的AI系统。研究小组描述了他们如何开发出一个AI应用，让它能够在虚拟世界中通过复制植入的“专家”的动作来学习新技能。
大多数AI系统，比如ChatGPT，通过在大量数据上学习来获取知识。但业内人士指出，这种方法并不十分高效。因此，许多该领域的研究人员继续寻找其他方法来教导AI系统学习。
研究者们使用的最流行的方法之一是尝试模仿人类学习的过程。像传统的AI应用一样，人类通过暴露于环境中的已知元素以及跟随知道他们在做什么的其他人的示例来学习。但与AI应用不同，人类无需大量示例就可以掌握事物。例如，一个孩子可以在观察他人玩几分钟后学会玩跳房子游戏。在这项新工作中，研究团队尝试使用被限制在虚拟世界中的AI来复制这一过程。
团队的工作首先是建立一个虚拟世界（称为GoalCycle3D），由不平整的地形组成，在其上放置了各种障碍物和多彩的球体。然后，他们添加了AI代理，这些代理应通过避开障碍物并穿过球体来穿越虚拟世界。这些代理被赋予了学习模块，但没有关于它们将要居住的世界的其他信息。它们通过强化学习获得了如何前进的知识。
为了使代理学习，它们被给予奖励并被允许一遍又一遍地通过多个类似的虚拟世界自主地寻找路线。通过这么做，代理能够穿越虚拟世界到达期望的目的地。研究人员接着为虚拟世界添加了另一个功能——已经知道如何在不遇到障碍的情况下从一个地方到另一个地方的最佳路径的专家代理。在新的场景中，非专家代理很快就学会了从专家那里学习是达到期望目的地的最快方法。
在观察代理学习时，研究人员发现，有了专家代理，他们学得更快，并能够更好地通过模仿他们在之前试验中从专家那里学到的内容来导航其他新的类似虚拟世界。即使在没有专家的情况下，他们也能够应用这些技能（借助记忆模块），研究人员声称这是社会学习的一个例子。
