你是不是也曾經不止一次地幻想過,自己擁有這樣一種超能力:邊做夢邊學習,醒來之後的自己,已經變成另外一個“我”了:知識滿分,技能滿格;兵來將擋,水來土掩;一夫當關,萬夫莫開;萬事俱備,所向披靡······
就像電影
《武狀元蘇乞兒》
中所展現的那樣,周星馳在夢中得到老乞丐心法傳授,學會了
睡夢羅漢拳
。他只是睡了一覺,醒來之後就已經身懷絕技,武功天下第一了。
一邊休息,一邊學習,各得其所,兩不耽誤,天底下怎麼會有這麼好的事?
你別說,在這個世界上,還真有。
以下內容轉載自微信公眾號“量子位” (ID: QbitAI)
邊睡邊學習
,可能不少同學都YY過……真正做到能有幾人?
沒想到,現在AI已經學會了。
剛剛,兩位人工智慧界的大牛:Google Brain團隊的
David Ha
(從高盛董事總經理任上轉投AI研究),瑞士AI實驗室的
Jürgen Schmidhube
r(被譽為LSTM之父),共同釋出了最新的研究成果:
World Models(世界模型)。
簡而言之,他們教會了AI在夢裡“修煉”。
AI智慧體不僅僅能在它自己幻想出來的夢境中學習,還能把學到的技能用到實際應用中。
一眾人工智慧界同仁紛紛發來賀電。
還有人說他們倆搞的是
現實版《盜夢空間》
,並且P了一張電影海報圖:把Ha和Schmidhuber頭像換了上去……
這種神奇能力是怎麼回事?
我們結合兩位大牛的論文,嘗試解釋一下。
01
在夢裡開車
在夢境中學,在現實中用,可以說是
高階技能
了,我們先看一個比較基礎的:
在現實裡學,到夢境中用。
David Ha和Schmidhuber讓一個AI在真正的模擬環境中學會了開車,然後,把它放到了“夢境”裡,我們來看看這個學習過程:
先在真實的模擬環境中學開車:
當然,上圖是
人類視角
。在這個學習過程中,AI所看到的世界是這樣的:
把訓練好的AI智慧體放到AI的夢境中,它還是一樣在開車:
這個夢境是怎麼來的?要講清楚這個問題,我們還得先簡單介紹一下這項研究的方法。他們所構建的
智慧體
分為
三部分
,觀察周圍世界的
視覺模型
、預測未來狀態的
記憶模型
和負責行動的
控制器
。
負責做夢的主要力量,就是其中的記憶模型。他們所用的記憶模型是
MDN-RNN
,正這個
神經網路
,讓Google Brain的SketchRNN,能預測出你還沒畫完的簡筆畫究竟是一隻貓還是一朵花。
在開車過程中,記憶模型負責“幻想”出自己在開車的場景,根據當前狀態生成出下一時間的
機率分佈
,也就是環境的下一個狀態,視覺模型負責將這個狀態
解碼成
影象
。他們結合在一起生成的,就是我們開頭所說的“世界模型”。
然後,模型中的控制器就可以在記憶模型生成出來的虛假環境中開車了。
02
在夢裡學打Doom
做夢開車很簡單,但兩位大牛的研究顯然不止於此。既然AI幻想出來的環境很接近真實,那理論上講,他們這項研究的終極目的也是可以實現的:讓AI做著夢學技能,再用到現實中。
這一次,他們用了
VizDoom
,一個專門供AI練習打Doom的平臺。
“做夢”的主力,又是我們前面提到過的記憶模型。和賽車稍有不同的是,它現在不僅需要預測
環境的
下一狀態
,為了讓這個虛擬環境儘量真實,同時還要預測
AI智慧體的下一狀
態
是死是活。
這樣,強化學習訓練所需的資訊就齊全了,夢境中的訓練,GO!
夢境
重現
了真實環境中的
必要元素
,和真正的VizDoom有著一樣的遊戲邏輯、物理規則和(比較模糊的)3D圖形,也和真實環境一樣有會扔火球的怪物,AI智慧體要學著躲避這些火球。
更cool的是,這個夢境可以增加一些
不確定因素
,比如說讓火球飛得更沒有規律。這樣,夢中游戲就比真實環境更難。
在夢境中訓練之後,AI就可以去真正的VizDoom中一試身手了:
AI在VizDoom中的表現相當不錯,在連續100次測試中跑過了
1100幀
,比150幀的基準得分高出不少。
真是666啊……
03
怎麼做到的?
他們所用的方法,簡單來說就是
RNN和控制器的結合
。
這項研究把智慧體分為兩類模型:
大型的世界模型
和
小型的控制器模型
,用這種方式來訓練一個大型神經網路來解決強化學習問題。
具體來說,他們先訓練一個
大型的神經網路
用
無監督方式
來學習智慧體所在
世界的模型
,然後訓練一個
小型控制器
使用這個
世界模型
來學習如何解決任務。
這樣,控制器的訓練演算法只需要在很小的
搜尋空間
中專注於
信任度分配
問題,而大型的世界模型又保障了整個智慧體的
能力和表達性
。
這裡的世界模型包括兩部分,一個
視覺模型
,用來將觀察到的
高維資訊
編碼成
低維隱藏向量
;一個是
記憶RNN
,用來借
歷史編碼
預測未來狀態。
控制器
藉助V和M的表徵來選擇
好的行動
。
在我們上面講到的開車、打Doom實驗中,視覺模型V用了一個VAE,變分自編碼器;記憶模型M用的是MDN-RNN,和谷歌大腦讓你畫簡筆畫的SketchRNN一樣;控制器C是一個簡單的
單層線性模型
。
把這三個模型組裝在一起,就形成了這項研究中智慧體從感知到決策的整個流程:
視覺模型V負責處理每個時間步上對環境的
原始觀察資訊
,然後將這些資訊編碼成
隱藏向量
zt,和記憶模型M在同一時間步上的
隱藏狀態
ht串聯起來,輸入到控制器C,然後C輸出
行為向量
at。
然後,M根據當前的zt和at,來
更新
自己的
隱藏狀態
,生成下一步的ht+1。
04
這有什麼用?
讓AI會“做夢”,還能在“夢境”中學習,其實有很多
實際用途
。
比如說在教AI打遊戲的時候,如果直接在實際環境裡訓練,就要浪費很多
計算資源
來處理每一幀影象中的遊戲狀態,或者計算那些和遊戲並沒有太大關係的
物理規則
。用這個“做夢”的方式,就可以在
AI自己抽象並預測出來的環境中
,不消耗那麼多計算資源,一遍又一遍地訓練它。
在這項研究中,他們還藉助了
神經科學
的成果,主要感知
神經元
最初處於
抑制狀態
,在接收到
獎勵
之後才會
釋放
,也就是說神經網路主要學習的是任務相關的特徵。
將來,他們還打算給VAE加上
非監督分割層
,來提取更有用、可解釋性更好的特徵表示。
05
相關連結
論文:https://worldmodels。github。io/