玩游戲有助學(xué)習(xí)？認(rèn)真臉的人工智能

 

圖片來源：MOJANG。

基本可以確定，未來某一天你會坐上無人駕駛車。當(dāng)那一天到來，或許控制你方向盤的人工智能也已經(jīng)可以愉快地玩起Minecraft了。

聽起來很神，但是要教會學(xué)習(xí)算法——推動未來高級人工智能的動力——如何理解和在三維空間內(nèi)導(dǎo)航，類似Minecraft之類的開放世界游戲是一級棒的工具。實(shí)現(xiàn)這一步，對創(chuàng)造可以與真實(shí)世界進(jìn)行復(fù)雜互動的人工智能，是非常重大的一步。

電子游戲經(jīng)常被認(rèn)為是逃避現(xiàn)實(shí)的無腦行為，但是因?yàn)橛螒蚶飵砣绱舜罅康男畔ⅰ胂肟碝inecraft里面玩家創(chuàng)造的擴(kuò)展性世界——他們尤其適合給AI當(dāng)做教材，教會他們?nèi)绾胃兄澜绮⑴c之互動?！罢覀€人來教AI很難，”Xerox的研究員Adrian Gaidon說，因?yàn)樗鼈儭霸谡鎸?shí)世界里還不如個嬰兒，你得什么事情都給它們解釋?！?/p>

到某一階段后，人類完全沒有這個時間和耐心。而電子游戲則沒有這個問題。你可能對它們不耐煩，但是它們對人絕不會不耐煩。

把AI給騙了

通常，被稱作“深度學(xué)習(xí)”的算法，作為現(xiàn)代人工智能的基礎(chǔ)，研究員訓(xùn)練它們的方式是給它們填鴨大量的數(shù)據(jù)。這些系統(tǒng)把數(shù)據(jù)吞下，從中找尋模式。如果你想教類似AlphaGo的AI下圍棋，你把所有能找到的圍棋棋譜都喂給它吃。棋類游戲中，這是最簡單的一部分。即便是最難的棋類游戲中的陰謀詭計(jì)，在計(jì)算機(jī)看來也不難，AlphaGo可以從幾百萬大小的樣本庫中學(xué)習(xí)。

但是對于更復(fù)雜的任務(wù)，例如說，開汽車，收集足夠的信息在物流和財(cái)務(wù)上的挑戰(zhàn)都太大了。谷歌進(jìn)行了不計(jì)其數(shù)的無人車試驗(yàn)，用各種原型收集了幾百萬英里路程，完善控制汽車的AI。對于不如谷歌和百度這么土豪的公司，在有限的資源下，這種方法對研究員來說是不可行的。這讓電子游戲越來越有吸引力。在游戲世界，你可以相對劃算且快速地收集到大量信息。

18個月前，Adrien Gaidon看見最新版《刺客教條》的預(yù)告片，他忽然靈機(jī)一動?！拔液苷痼@，因?yàn)槲乙詾檫@是一個電影的預(yù)告片，而這實(shí)際上是CGI。我有20秒鐘都被騙了。這是我第一次?！?/p>

他思考，如果現(xiàn)代游戲可以輕松騙到我，也許他們也可以去騙騙AI。所以他和Xerox的團(tuán)隊(duì)開始用電子游戲引擎Unity，給深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)輸入類似汽車、馬路和人行道等圖片，讓它學(xué)會識別真實(shí)世界中的這些物體。

研究員已經(jīng)有過成功案例。谷歌AI在學(xué)會下圍棋前，還學(xué)會了Atari游戲。其他AI項(xiàng)目還學(xué)會過《超級馬里奧》等級的游戲。不過，使用游戲引擎做三維渲染，以及在這些空間內(nèi)訓(xùn)練AI，帶來了只有最近才變得可能的復(fù)雜程度。

“游戲引擎的真正好處是，你制造像素的時候也知道這些像素對應(yīng)的是什么，”Gaidon說，“你不只是制造像素，你也在制造AI所需的指導(dǎo)。”

目前為止，Gaidon說他在Xerox的工作非常成功：“我現(xiàn)在想展示的是，這項(xiàng)技術(shù)已經(jīng)足夠成熟，可以用計(jì)算機(jī)里的數(shù)據(jù)來訓(xùn)練其他計(jì)算機(jī)軟件。”

嵌入在Minecraft中

微軟同樣也看到了這其中的價(jià)值。公司最近宣布，下半年會發(fā)布Malmo項(xiàng)目，一個可以“讓計(jì)算機(jī)科學(xué)家用Minecraft設(shè)計(jì)AI實(shí)驗(yàn)”的開源平臺。在其復(fù)雜度和開放度之外，Minecraft提供了AI實(shí)驗(yàn)的新方法，Malmo項(xiàng)目的研究負(fù)責(zé)人Katja Hoffman說。

“你玩Minecraft的時候，你實(shí)際在這個復(fù)雜的3D世界里，”Hoffman說，“你從你的感官輸入里感知到世界，你的交互方式包括通過走來走去、放置模塊、建造東西還有跟其他人物互動。這種充滿刺激的性質(zhì)，與我們和真實(shí)世界的交互方式相似。”

Hoffman和團(tuán)隊(duì)希望，他們的工具可以將研究推向比Gaidon團(tuán)隊(duì)更加激進(jìn)的方向。在類似Malmo項(xiàng)目中學(xué)到的技能，她相信可以讓AI不僅學(xué)會在Minecraft中走動，并且學(xué)會在我們的真實(shí)世界中行動。“我們認(rèn)為這是個非?；A(chǔ)的AI研究項(xiàng)目，我們希望大致理解，個體如何與周圍環(huán)境互動、并理解周圍環(huán)境。”她說，“在真實(shí)世界和限制更多的游戲之間，Minecraft是一個完美的中間點(diǎn)。”

然而，從模擬到現(xiàn)實(shí)的轉(zhuǎn)變是非常復(fù)雜的。游戲中的模擬通常不像真實(shí)人類一樣行動，而且游戲世界是為了簡單易懂而造的，并不是為了百分百復(fù)制真實(shí)世界。另外，任何個體，人類或其他的，如何建造出對空間現(xiàn)實(shí)的認(rèn)知，目前仍然是一個謎。

“如何開發(fā)出，對環(huán)境能建構(gòu)出有意義的內(nèi)在表征的智能個體，我們在這條路上還處于非常早期的階段。”Hoffman說，“對人類來說，我們好像整合了我們所有的各種感官。我想，關(guān)聯(lián)各種信息來源，是一個非常有趣的研究挑戰(zhàn)?！?/p>

“感知機(jī)器的幻覺”

當(dāng)科學(xué)家終于搞明白AI如何能建構(gòu)某個環(huán)境的內(nèi)部表征，它的形式也許會出乎人們的意料。這種形式有可能是前所未見的。“這也許和我們大腦中實(shí)際的情況非常不同。”Hoffman說。

這應(yīng)該沒那么出人意料。人們想飛，但是真的飛起來的方式，與鳥兒飛行的方式完全不同?！拔覀兪艿进B和昆蟲的飛行方式啟發(fā)。但真正重要的是，我們理解實(shí)際的機(jī)制，例如如果創(chuàng)造正確的壓力，或者把物體從地面飛起來的正確速度?！?/p>

對于AI也一樣。計(jì)算機(jī)感知世界的方式已經(jīng)是與人類完全不同。舉個例子，最近倫敦的ScanLAB項(xiàng)目讓我們知道了，無人車的激光掃描“眼”如何看這個城市。結(jié)果非常奇異，幽靈與破碎圖像的“平行景觀”，城市景觀交織在“感知機(jī)器的錯覺與幻覺“中。

同樣的，谷歌最近的例子證明，AlphaGo是以人類理解不了的方式去理解古老的圍棋。

那么，下一代“感知機(jī)器”眼中的世界又是什么樣的呢？通過虛擬空間算法建造出來的模型、方法和技術(shù)——把它們應(yīng)用到我們的城市、公園和家里，它們會看見什么呢？我們在以更有力的方法教會AI理解世界。電子游戲可以幫助機(jī)器實(shí)現(xiàn)這種理解。但是，當(dāng)這種理解實(shí)現(xiàn)的時候，到時我們也許就已經(jīng)看不懂了。

via Wired

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。