对于在不断发展的增强学习领域从事研究工作的人来说，这种不可预测性是特别有价值的。在AI研究中，监督学习是一种更为常用的人工智能方法，通过用越来越多包含“正确行为”的样本训练系统，使其会变得越来越擅长从事某种工作。

而增强学习的原理却大相径庭。通过增强学习，直播，代理所尝试做出的每个动作都会获得积极或消极的反馈，并从尝试和试错中不断学习，以最大限度地获得积极反馈，或称之为奖励。

采用监督学习的AI系统，将通过学习好的或差的的回应示例，学会在对话中给出适当回应。另一方面，对于采用增强学习方法的系统，人们期望它仅从高级别反馈（例如一个人表示自己很喜欢当前对话）中学习适当的回应，这项任务的难度要高得多。

AI专家认为，增强学习可以用于创建AI代理，让它能够独立做出更多的决定、承担更为复杂的工作，把人们解放出来去从事更有价值的工作。

例如，Mehrotra表示，他们所开发的“吃豆小姐”打通关方法可用于帮助公司的销售部门针对某个特定日期或特定时刻的潜在客户进行准确预测。系统可以使用多个代理，每个代理盯住一名客户，由一个上层代理对多项因素加以权衡，如哪些客户即将续约，哪些合同对公司最有价值，以及某一天或某一时刻潜在客户通常是否在办公室或可前往拜访等。

相应地，销售主管会得到解放，就能够把自己的时间全部放在销售事务上，这样将会增加成交几率，因为她只需要瞄准最容易接受的客户即可。

Van Seijen表示，这种“分而治之”的方法还可用于其它AI研究领域，如自然语言处理等。他说：“它确实能让我们在解决这些异常复杂的问题上取得深入进展。”

注：本文译自Divide and conquer: How Microsoft researchers used AI to master Ms. Pac-Man（有删减）。查看英文原文，请点击文末的【阅读原文】，或将网址https://blogs.microsoft.com/next/2017/06/14/divide-conquer-microsoft-researchers-used-ai-master-ms-pac-man/复制至浏览器中打开。

你也许还想看：

感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。

微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。