戚旭然如果计算机程序遇到棘手的问题，无法第一时间搜索到解决方案怎么办？科学家说，让人工智能具备好奇心可能是最终答案。
加州大学伯克利分校的研究人员开发了“内在好奇心模型”，让人工智能算法在没有强反馈信号的时候，仍然主动进行学习。开发这一模型的团队在玩游戏时受到了启发。他们希望能够用人工智能软件控制虚拟人物，提升人物对游戏环境的理解，尤其是影响其自身的一些方面。虽然此前也有其他研究人员尝试给人工智能“装上”好奇心，但往往都非常简单。
如果人工智能真的能拥有好奇心，那么今天我们所面对的大多数机器学习技术弊端将得到解决，同时，我们也能让机器更好地服务于现实世界的问题。
Pulkit Agrawal是加州大学伯克利分校的博士学生，同时也是该项目研究成员之一，他说：“在现实世界中，好奇心所能获得的回报太少了。小宝宝们经常有这种实验行为，你可以把它看作一种好奇。其实，他们是在学习某种技能。”
近几年来，一些强大的机器学习技术已经让机器一天比一天聪明。值得一提的是，一种名为增强学习的技术已经能让机器解决复杂问题，而这些问题如果转换成代码是非常困难的。在进行增强学习的过程中，算法作出正确决策会得到奖励，从而引导算法行为朝着目标方向迈进。
在DeepMind开发的AlphaGo中，增强学习技术也为其提供了基础，才使AlphaGo能够把复杂抽象的围棋玩得那么溜。研究人员表示，探索增强学习技术的使用途径或将使机器具备人工编程无法设计的技能。比方说，未来的机械手臂可以自己训练，学会如何做家务。
不过，增强学习技术也有局限性。Agrawal指出，指导机器学会一项技能需要大量训练工作，而如果不能立即得到训练反馈，这个过程还要更加困难。举例来说，在训练机器玩游戏时这项技术就不好使，因为某些操作可能不会立即显现出效果。这种情况下，如果机器有好奇心就好了。
于是，研究人员试着给机器“装上”好奇心，并结合增强学习技术，拿两款简单小游戏做了实验。一款是经典游戏《马里奥兄弟》，另一款是基础3D射击游戏VizDoom。
在两个游戏中，拥有好奇心的人工智能系统学习起来要更有效率。比如说玩3D游戏的时候，人工智能系统没有花多少时间撞墙，而是在游戏环境中走来走去，学习如何快速移动。即便没有看到任何回报，它还是非常出色地掌握了两款游戏。在《马里奥兄弟》中，它学会了观察周围环境，不会莫名其妙就被杀掉。
今年晚些时候，总结此次研究的论文将会在一场大型人工智能会议上发布。
“给人工智能系统装上好奇心”这一研究课题称为热门已经有一阵子了。法国计算机科学与自动化研究机构的研究主管Pierre-Yves Oudeyer是这方面的“拓荒者”，在过去几年里，他率先对计算机程序及机器人的基础好奇心项目进行了研究。
Oudeyer表示：“现在让我觉得激动的是，被主流人工智能技术和神经科学研究人员当作‘诡思异谈’的时代已经过去了，现在“给人工智能系统装上好奇心”正成为人工智能和神经科学领域的重要主题。”
人工智能搭上好奇心将带来许多实实在在的好处。加州大学伯克利分校的团队希望能在机器人身上运用这一技术，让机器人学会如何抓住笨拙的物体。Agrawal说，机器人往往浪费大量时间进行无意义的动作，而如果它们天生拥有好奇心，那么或许可以更快地了解周围环境，和身边的物体积极进行互动。
纽约大学科学研究员Brenden Lake致力于开发拥有人类认知能力的计算模型，在他看来，上述研究是很有前景的。Lake在一封邮件中说：“让机器拥有好奇心等能力是往前迈了重要一步，让我们离开发出具备等同于人类的学习、思考能力的机器人又近了许多。令我惊讶的是，仅仅依靠好奇心驱动学习技术，人工智能系统居然能在马里奥游戏里升级，要知道那系统根本就没有关注得分。”
与此同时，Lake也表示，这一新项目所展示的人工智能好奇心，和孩子的好奇心还是不同的。人类对世界的求知欲往往更强烈一些。“这是一种非常以自我为中心的好奇心。”Lake说道。“人工智能系统只关心与自己有关的环境特点。而人的求知范围要更广。人们想了解的，不仅仅是与自身行为有关的世界。”
评论 (0)