不下围棋了！DeepMind训练机器人走得更“飘逸”

      【环球智能7月13日报道 记者 心月】一年前，围棋人机大战AlphaGo击败人类，让人工智能正式进入大众视野。而开发出AlphaGo的人工智能公司 DeepMind也被众人所熟知。继围棋之后，DeepMind又有哪些新动作呢？

　　在上个月最新发布的论文中，DeepMind提出了一种基于认知心理学来研究深度神经网络的新方法。DeepMind 表示，对 AI 来说玩 Atari 的游戏或者下围棋，程序需要被设置的目标很简单，只要赢就行。但如果是让 AI 完成一次后空翻呢？你要怎样向机器描述后空翻的标准？于是他们开始研究训练 AI 穿越各种各样的地形，完成跳跃、转向、屈膝等相对复杂的动作。

 

 

　　DeepMind 的研究人员已经训练了多个模拟机体，包括一个无头行者，一个四足蚂蚁和一个 3D 的模拟人体，通过完成不同的动作任务来学习人类更加复杂的行为。

　　在 DeepMind 的另一 篇论文中，阐述了如何通过运动捕捉数据来构建一个模仿人类行为的政策网络，需要预先学习一些技能，例如步行、起步、跑步和转弯等等。目前，模拟人已经产生了类似人类的行为，可以通过重新调整这些行为来完成其他任务，比如爬楼梯，通过导航绕过围墙等等。

 

 

　　DeepMind 还提出构建一种最先进的生成模型的神经网络结构，它能够学习不同行为之间的关系，并模仿它所显示的具体动作。经过训练之后， DeepMind 的系统可以编码观察到的动作，还可以创建新的小动作。尽管模拟人并没有看到动作之间的过渡，依旧可以在不同类型的动作之间切换，例如在行走风格之间的转换。

 

 

　　加强学习技术(reinforcement learning)是对 AI 深度学习实行干预的一个系统，通过使用这种技术，人类可以根据自己的意愿引导 AI 完成深度学习，在 AI 达到自己想要的效果时给以算法意义上的奖励，这样深度学习最后达成的结果就更接近人类最初所设想的。

 

 

 

 

　　DeepMind 就使用了这种技术，并教会了 AI 模拟机体完成了一条跑酷路线。DeepMind 想知道这种简单的奖励机制能否在复杂的环境中使用，他们设计了一系列的跑酷路线，有落崖，有障碍，还有墙壁，每一次完成关卡都会赢得系统奖励。基本规则如下：最快突破障碍物的 AI 模拟机体将得到最大的奖励，更加复杂的项目将会得到额外的奖励和惩罚。

 

 

 

 

　　事实上，目前市面上的机器人能做的事情还非常少，单是倒下后重新站起来就难倒了许多机器人研发机构。所以，虽然动图看起来有点蠢，但 DeepMind 的这项研究成果还是很有意义的。