我们的下一步研究有两个方面：1、在当前 2D 环境中使用自然语言命令来教人工智能获得更多能力；2、把这种能力应用到虚拟 3D 环境中。虚拟的 3D 环境有更多的挑战，同时也与我们所生活的现实环境更加接近。我们的最终目标是用人类的自然语言训练出一个在真实世界中可用的物理机器人。

　　论文：一个用于虚拟环境中的类人语言习得的深度组合框架

　　（A Deep Compositional Framework for Human-like Language Acquisition in Virtual Environment）

论文链接：https://arxiv.org/pdf/1703.09831.pdf

摘要

我们在一个称作 XWORLD 的迷宫般的 2D 环境之中完成了智能体学习导航的任务。在每一个 session 中，该智能体可感知一个原始像素帧序列、一个 teacher 发出的自然语言指令和一组奖励（reward）。该智能体能以一种基础的组合式的方式从头学习 teacher 的语言，以至于完成训练之后，它可以正确地执行 zero-shot 指令：1) 指令之中词的组合以前从未出现，开奖，并且／或者 2) 指令包含从另一个任务而不是从导航学来的新的目标概念。我们端到端地训练了该智能体的深度框架：它能同时学习环境的视觉表征、语言的句法和语义以及输出行动的行动模块（action module）。我们框架的 zero-shot 学习能力来自带有参数约束的组合性（compositionality）和模块性（modularity）。我们视觉化了框架的中间输出，以证明该智能体真正可以理解如何解决问题。我们相信我们的成果能为如何在 3D 环境中训练带有相似能力的智能体提供初步的见解。

原文链接：

　　本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]