新型的机器学习算法刚刚掌握了一些回归视频游戏，事实证明这对人工智能来说是头疼的问题。接下来的人们将知道，人工智能算法在古老而优雅的策略游戏Go中击败了世界顶级人类玩家，该游戏是最不可思议的游戏之一。但是，来自8位计算机游戏时代的两个像素化经典-蒙特祖玛的报仇和陷阱阻碍了AI研究人员。这个看似矛盾的原因是合理的。蒙特祖玛的报仇和陷阱可能看起来很简单，但看起来很简单！通过不再学习强化学习，这种技术最初擅长学习征服视频游戏。 DeepMind是Alphabet的子公司，专注于人工智能，并以其著名的方式开发了可以学习如何在专家级别玩几款经典视频游戏的算法。强化学习算法可与大多数游戏很好地融合在一起，因为它们会基于积极的反馈来调整其行为-得分会上升。这种方法的成功使人们希望AI算法可以教自己做各种有用的事情，而这是机器目前无法实现的。蒙特祖玛的报仇和陷阱问题！没有可靠的奖励信号。两种标题都涉及典型场景：主角探索一个充满致命生物和陷阱的块状世界。但是在每种情况下，游戏中许多必要的动作直到很晚才有助于提高得分。普通的强化学习算法通常无法摆脱蒙特祖玛的复仇和陷阱中的第一个房间！他们的得分恰好为零。这些新算法来自Uber旧金山的人工智能研究团队，由怀俄明大学副教授Jeff Clune领导。该团队展示了一种在环境中根本不同的机器学习方法，该环境提供了很少的线索来展示该算法。 Clune和他的团队在今天发表的博客文章（例如，机器人学习中）中写道，这种方法带来了一些有趣的实际应用。这是因为未来的机器人需要弄清楚在复杂环境中该怎么做，并且只能提供一些稀疏的奖励。 Uber于2016年12月成立了一个人工智能实验室，旨在实现可能对其业务有用的根本突破。更好的强化学习算法最终可以用于诸如自动驾驶和优化车辆路线之类的事情。人工智能研究人员通常会尝试解决蒙特祖玛的复仇和陷阱造成的问题！增强学习算法有时由随机探索指导，同时又增加了探索的回报-所谓的“内在动机”。但是优步研究人员认为，这未能捕捉到人类好奇心的重要方面。 “我们假设当前内在动机算法的主要弱点之一是脱离。”他们写。 “这些算法已经忘记了他们访问过的有希望的领域，这意味着他们将不会回到他们那里看是否会导致一个新的状态。”团队的新系列强化学习算法称为Go-Explore，它会记住以前的状态，稍后会返回到特定区域或任务，以查看它是否有助于提供更好的整体效果。研究人员还发现，通过允许人类玩家突出有趣或重要的领域以增加某些领域知识，可以大大加快算法的学习和进步。这很重要，因为可能存在许多实际情况，并且您希望算法和人员一起解决难题。他们的代码在蒙特祖玛的复仇中平均得分40万，比人类专家的平均得分高出一个数量级。在陷阱！它平均增加了21,000，远远超过了大多数人类玩家。 “这些结果令人印象深刻，”斯坦福大学助理教授艾玛·布朗斯基尔（Emma Brunskill）说，他专门研究强化学习。她说，令人惊讶和令人兴奋的是，这些技术已经产生了如此巨大的优势。其他人工智能研究人员一直在嘲笑这些臭名昭著的硬视频游戏。 10月，来自旧金山非营利组织OpenAI的一个团队演示了一种算法，该算法可以在Montezuma的复仇中取得重大进展。最近，斯坦福大学的Brunskill团队在陷阱方面进展甚微！使用与Uber Team类似的方法。现在，AI算法可以解决这些视频游戏。挑战在于从街机中脱颖而出并解决现实世界中的问题。 Brunskill同意这种工作可能会对机器人技术产生重大影响。但她说，其他现实世界的情况，尤其是涉及人类行为建模的情况，