深度学习的替代方案可以帮助AI代理人游戏玩法
作者：Will Knight
从人脑似乎建模和了解世界的方式中吸引灵感的学习方法已证明能够以令人印象深刻的效率掌握许多简单的视频游戏。这个称为Axiom的新系统为现代AI占主导地位的人工神经网络提供了替代方案。
由一家名为Verse AI的软件公司开发的Axiom，配备了有关对象在游戏世界中对彼此进行物理相互作用方式的先验知识。然后，它使用算法来建模它如何期望游戏对输入作用，该输入是根据其观察到的一种称为Active推断的过程进行更新的。
该方法从自由能原理中汲取灵感，该理论试图使用数学，物理学和信息理论以及生物学来解释智力。自由能原理是由著名的神经科学家卡尔·弗里斯顿（Karl Friston）开发的，他是认知计算公司经文的首席科学家。
弗里斯顿（Friston）通过他在伦敦的家中的视频告诉我，这种方法对于建立AI代理商尤为重要。他说，他们必须支持我们在真正的大脑中看到的那种认知。”这需要考虑，不仅需要学习知识的能力，而且还需要学习您在世界上的行为。
学习游戏游戏的传统方法涉及通过所谓的深入强化学习训练神经网络，这涉及对响应正面或负面反馈进行实验和调整参数。该方法可以产生超人游戏玩法的算法，但需要进行大量实验才能工作。Axiom掌握了流行的视频游戏的各种简化版本，称为驱动，弹跳，狩猎和跳跃，使用较少的示例和更少的计算能力。
AI研究人员Franã§oisChollet说，该方法的总体目标及其一些关键特征跟踪着我最重要的问题。Chollet还正在探索机器学习的新方法，并正在使用其基准测试模型的能力来学习如何解决陌生问题，而不仅仅是模仿以前的示例。
他说，这项工作使我感到非常原始，这很棒。我们需要更多的人尝试新的想法，从大语模型和推理语言模型的人迹罕至的道路上。
现代AI依赖于人工神经网络，这些神经网络大致受到大脑接线的启发，但以根本不同的方式起作用。在过去的十年中，有点深度学习，一种使用神经网络的方法，使计算机能够执行各种令人印象深刻的事情，包括转录语音，识别面部和生成图像。当然，最近，深度学习导致了大型语言模型，使能力充满力量，并且越来越有能力聊天机器人。
从理论上讲，公理有望从头开始建立AI的更有效的方法。经文首席执行官GabeRené说，对于需要从经验中有效学习的代理商可能特别有效。Renâ©表示，一家财务公司已开始对公司的技术进行试验，以此作为建模市场的一种方式。René说，这是一个可以实时学习的新体系结构，可以实时学习并且更加准确，更小得多。”它们的设计是像数字大脑一样设计的。
具有讽刺意味杰弗里·欣顿（Geoffrey Hinton），被授予图灵奖以及诺贝尔奖，他的开创性工作在深度学习方面。Hinton多年来一直是伦敦大学伦敦大学弗里斯顿的同事。
有关Friston和自由能源原则的更多信息，我强烈建议您这本2018年有线功能文章。弗里斯顿的作品也影响了令人兴奋的新意识理论，在2021年的《连线评论》中描述。
关于《深度学习的替代方案可以帮助AI代理人游戏玩法》的评论
暂无评论