陈桦 编译自 DeepMind Blog

　　量子位 报道 | 公众号 QbitAI

　　人类，可以在行动之前预想到后果，这是我们认知能力中一种强大的工具。

　　举例来说，当我们将玻璃杯放在桌子边缘时，我们很可能会考虑一下放得稳不稳，是否会掉下来。基于对后果的思考，atv，我们可能会调整玻璃杯的位置，避免掉在地上打碎。

　　这种慎重性的思考本质上是“想象力”。这是一种人类独有的能力，也是日常生活中重要的工具。

　　如果我们希望算法实现同样的复杂行为，那么算法也必须能够“想象”，对未来进行推理。除此以外，开奖，算法必须利用这些知识构建计划。

　　在这个领域，我们已看到了丰富的成果，例如AlphaGo这样的程序。AlphaGo利用“内部模型”，分析每步操作会在未来带来什么样的结果，从而进行推理和计划。

　　这些内部模型非常强大，因为围棋是一种“完美的”环境。围棋有明确定义的规则，因此在几乎任何情况下都可以非常准确地预测结果。

　　然而，现实世界情况更复杂，规则没有明确定义，预期之外的结果常常会出现。即使是最聪明的人工智能系统，在这种复杂环境中展开想象都会是漫长而成本高昂的过程。

　　在两篇最新论文中，我们描述了一类新方法，让人工智能建立以想象力为基础的计划能力。我们还提出了一种架构，给人工智能系统提供新方式，去学习并构建计划，最大化任务效率。对于不完美模型，这些架构高效而健壮，可以利用灵活的策略去发挥想象力。

　　这两篇新论文是：

　　Imagination-Augmented Agents for Deep Reinforcement Learning

　　https://arxiv.org/abs/1707.06203

　　Learning model-based planning from scratch

　　https://arxiv.org/abs/1707.06170

　　想象力增强的人工智能系统

　　我们介绍的这些人工智能系统受益于“想象编码器”。这种神经网络可以学会提取有用信息，用于未来的决策，同时忽略不相关的信息。

　　这样的人工智能系统拥有许多独特之处：

　　它们学会表达内部模拟结果。这意味着它们可以利用模型，捕捉粗略的环境变化，即使这样的变化并不完美。

　　它们有效地利用想象力。它们可以利用多条想象轨迹来适配问题。此外，编码器也提高了效率。这种编码器可以从奖励之外的想象中提取额外信息。这样的想象轨迹并不一定带来最高的回报，但可能包含有用的线索。

　　它们可以学习不同策略，从而构建计划。它们可以选择继续当前的想象轨迹，或重新开始一条想象轨迹。或者说，它们可以使用不同的想象模型，而这些模型拥有不同的精确度和计算成本。这带来了广泛而高效的规划策略，而不会被局限于单一方法，导致对不完美环境的适应性受限。

　　架构的测试

　　我们利用多种任务去测试提出的架构，包括解谜游戏《Sokoban》，以及一款太空飞船导航游戏。这两款游戏都需要前瞻性的规划和推理，因此是测试我们人工智能系统的绝佳环境。

　　在《Sokoban》游戏中，人工智能系统将盒子推到目标之上。由于盒子只能向前推，因此许多操作是不可逆的（例如盒子一旦推到角落，就无法再拉出来）。

　　在太空飞船游戏中，人工智能系统必须按照固定次数去启动推进器，使飞船保持稳定。这样的操作需要适应不同星球的引力。因此，这是一种非线性的复杂持续控制任务。

　　为了限制这两种任务中的试错次数，每一关卡都用程序生成，而人工智能系统只能尝试一次。这就鼓励人工智能系统在现实环境测试之前，尝试不同的策略。

　　△人工智能agent在不了解规则的情况下，玩Sokoban游戏时的表现。我们在某些时间点，对agent想象的五种未来进行可视化，agent会根据这种信息决定该如何采取行动。

　　△上图是agent在太空飞船游戏中的表现，红线是实际的轨迹，绿线和蓝线是agent“想象”的轨迹。

　　对于这两种任务，想象力增强的人工智能系统表现得都比没有想象力的更好。它们可以根据较少的经验进行学习，并且有能力处理建模环境中的不完美之处。