江苏龙网

  1. 首页 > 资讯 > 科技 > >

「」谷歌与DeepMind合作释出Dreamer 可透过想像力学习行为

谷歌（Google）与DeepMind合作研发的Dreamer是一种增强学习代理 ， 能够预测模型状态的序列 ， 学习较长远行为（Long-sighted） ， 且利用图像输入 ， Dreamer还能解决连续控制任务 ， 应付需要反应、远见、空间感知和场景理解的操作 。
人工智能（AI）的增强学习研究正蓬勃发展 ， 增强学习无模型方法可以透过反复试错 ， 学习预测成功的行动 ， 使得AI能够在即时战略游戏中打赢人类 。但据香港IDC新天域互联获悉 ， 增强学习需要代理人与环境进行大量互动之后 ， 才能达到良好成效 ， 这同时也限制了将其应用在现实世界中的机会 ， 因为在现实世界中出错 ， 可能导致不可弥补的损失 。
「」谷歌与DeepMind合作释出Dreamer 可透过想像力学习行为
文章图片

文章图片

比起无模型增强学习 ， 基于模型的增强学习方法可以学习精简化的环境模型 ， 使代理能够预测潜在行动序列的结果 ， 并在各种假设情况下做出反应 ， 进而减少为实现目标 ， 所需要进行反复试错次数 。
现在谷歌与DeepMind的Dreamer是一种增强学习代理 ， 透过经训练过的世界模型所提供的潜在想像力 ， 帮助代理解决长时间任务 ， 也就是说 ， Dreamer会预测模型状态的序列 ， 学习较长远的行为 。Dreamer由3个典型程序构成 ， 首先是学习世界模型 ， 接着是透过世界模型 ， 从预测中学习行为 ， 第三个程序则是执行在环境中学习的行为 ， 以收集新的经验 。
在学习世界模型的部分 ， Dreamer利用Google之前开发的PlaNet世界模型 ， 该模型根据输入的图像 ， 计算出一系列压缩模型状态序列来预测结果 ， 这些模型状态指的是 ， 对预测未来结果有帮助的概念 ， 像是物件的类型丶位置和物件与周围环境的相互作用 ， Google称这个能计算未来的能力为想像力 。
另一个Dreamer重点在于高效率学习行为 ， 利用反向传播（Backpropagation）演算法来解决代理短视近利的问题 ， 使世界模型能有效地学习行为 。
【「」谷歌与DeepMind合作释出Dreamer 可透过想像力学习行为】整体来说 ， Dreamer在20个连续控制任务基准测试中 ， 在效能、数据效率和计算时间都突破过去水准 。谷歌指出 ， 他们利用世界模型的预测序列 ， 就能让代理学习行为 ， 不仅以图像输入解决视觉控制任务 ， 且效能超越过去的无模型方法 。在Atari游戏测试上 ， Dreamer也能良好地掌握离散动作 ， 和存在多个物件得3D环境的多样化场景 。


    推荐阅读


    上一篇：：NASA安装“毅力号”火星车的采样装置 计划于7月发射

    下一篇：「」小米手机充电宝哪个好用，小米手机充电宝推荐