DeepMind又在製造「小人」了！
這群小人就是英國人工智慧實驗室製造出的「智慧體」，不過只可以在遊戲中看到。之前以4：1力挫世界圍棋冠軍李世石的AlphaGo，就是這家實驗室訓練的智慧體。
但你可能不知道的是，DeepMind還訓練過象棋棋手、足球球員、電競玩家，甚至提出「人工生命」的言論。
最近的這群智慧體，竟然能直接跳過數據填食，在開放式的任務環境中自我進化。
此前的AlphaGo和AlphaStar，能力再強，也只能在各自的遊戲裡釋放大招，超出自己的遊戲範圍立馬完蛋。而這批小人卻能在不同的遊戲裡，游刃有餘地完成任務，展現出超強的適應能力。難道人工智慧要邁出適應力的「頑疾」了嗎？
在一個搶奪高地金字塔的任務裡，兩個不同顏色的小人能力值相當。都沒有跳躍功能的它們，開始「發脾氣」亂扔東西。混亂中，竟把其中一塊板子「扔」成了樓梯，長驅直入，任務完成！
多次實驗發現，這些小人可以復現這種方法，難道這群智慧體有了記憶？
不僅如此，小人還學會了「相對運動」，像是「我上不去，你下來」，藉助板子直接把目標扒拉下來了! 甚至為了贏得比賽，多個小人學會了互相配合，團體成長力頻頻上漲。
這種在虛擬遊戲中自我進化的智慧體，僅僅需要人為搭建一個任務環境，設計大量的任務目標，利用加強深度學習的方法，一步一步打通關，最終成為一個「十八般武藝」的智慧體。
沒有樣本也沒有經驗，這些智慧體究竟如何進化，零樣本學習方式是否意味著這些智慧體已經具備了基本的「自學意識」？
社會達爾文主義的訓練場
相比之前做出的AI足球場，這批智慧體的訓練場更像一個遊戲「社會」，裡面有無數個遊戲房間，每個房間的遊戲按照競爭性、平衡性、可選性、探索難度四個緯度進行區分。
不管是哪種任務，這批智慧體都只能從最簡單的開始，一步步解鎖更複雜的遊戲，這也導致整個遊戲更像一個虛擬社會。
這些無需大數據集訓練出來的智慧體，每玩一次遊戲就成長一次，在與各種環境的互動和「獎勵」中，成長為一個更通用的智慧體，也更類似於人工「生命」。
能讓智慧體自我進化的關鍵，在於正確設計初始智慧和進化規則。一開始是非常簡單的，所有的複雜結構都是進化而來，就像嬰兒做不了生孩子的事，佈置任務的核心是不要超出智慧體自身的改進能力。
根據DeepMind的說法，每個AI智慧體會在4000個遊戲房間中，玩大約70萬個獨特的遊戲，並在340萬個任務中經歷了2000億個訓練步驟。
1億個步驟相當於大約30分鐘的訓練。按照這種訓練方法，41天就能訓練出一群「成年」智慧體。
它還是不會思考
DeepMind表示：「單個AI智慧體可以開發智慧來實現多個目標，而不僅僅是一個目標。」
AI智慧體新科技公司Pathmind的CEO Chris Nicholson也說到，它學到的技能可以舉一反三。例如，智慧體學習抓取和操縱物體，就能完成敲錘子或鋪床的任務。
而DeepMind正在用編程為AI智慧體在這個世界上設定目標，而這些AI智慧體正在學習如何掌握它們。
但是南加州大學電腦科學副教授Sathyanaraya Raghavachary表示，這些智慧體並不能定義為「生命」，尤其是關於智慧體擁有身體感覺、時間意識以及理解目標的幾個結論。
「即使是我們人類也沒有完全意識到我們的身體，更不用說那些人工智慧了。」他講到，一個活躍的身體對於大腦不可或缺，大腦要放在合適的身體意識和空間位置裡進化，如果AI智慧體能夠理解它們的任務，何必需要2000億步的模擬訓練來達到最佳結果。
總體而言，這個虛擬環境訓練出來的AI智慧體只是和以往的「大同小異」。
從理論到現實的路還很長
狹義的人工智慧是「複製人類行為的元素」，在電腦中執行某種任務。例如實現對圖像進行分類、定位照片中的對象、定義對象之間的邊界等等。
這些系統旨在執行特定任務，而不具有解決問題的一般能力。
相比之下，Deepmind使用的「通用人工智慧」有時也被稱為人類級別的人工智慧，因為它可以理解上下文、潛台詞和社會線索，甚至被認為可能完全超過人類。
但是正如行為主義和認知主義之間的對抗，智慧體是否具有解決問題的能力，並不能單純地考慮統計的結果。善於「事後解釋」任何觀察到的行為，在實驗室之外，都無法「預測」哪些行動即將發生。
本文為雷鋒網授權刊登，原文標題為「DeepMind的智能體成精了，還學會「發脾氣」了？」