谷歌DeepMind拓展人工智慧新方向：教AI行走

至頂網軟體頻道消息： DeepMind技術公司已經開發出多種人工智慧方案，其不僅擊敗了全球最頂尖的圍棋選手，同時亦在數十種傳統視頻遊戲當中創下新紀錄。如今，這家由谷歌持有的技術廠商開始著眼於更為複雜的發展方向：指導AI如何行走。

DeepMind公司這一項目的建立思路並非創建一套步行AI，而是立足於動作模擬為機器學習技術開發新的測試工具。根據DeepMind研究團隊發表的博文，項目的最終目標在於打造出"靈活自然的動作行為，確保其具有復用能力並適應任務解決過程中的各類需求。"

圍棋等項目雖然本身相當複雜，但卻具有明確的目標，因此對人工智慧方案而言相對易於處理; 在另一方面，DeepMind團隊解釋稱，教導AI如何完成跳躍或者反向翻轉等身體動作則要困難得多。該團隊指出，"在為人工系統進行運動技能傳授時，對複雜行動的準確描述通常是其中最為困難的部分。"

DeepMind公司今天發布了三份研究論文，具體探討了其用於教導AI處理運動任務的實際方法。其中第一篇論述了如何通過給予"前進"這樣一項簡單目標幫助AI學習如何超過障礙。其中一部分AI代理採用與人類相似的雙足運動模式，但也有一部分模擬簡單的四足動物運動模式。

DeepMind團隊表示，"具體來講，我們訓練出多種模擬代理方案，以便在不同的地形之上加以改進，保證其能夠根據實際情況進行跳躍、轉變與蹲伏。結果顯示，我們的代理能夠在無需接收具體指令的前提下發展出複雜的技能組合。我們利用這種方法訓練自己的多部位模擬肢體系統。"

在另一篇論文當中，DeepMind公司則展示了一套可通過觀看運動捕捉數據學習人類行動的AI方案。這套AI模型能夠完成"與人類非常相近"的運動效果，且已經學會如何完成多種不同的行動類型--具體包括跌倒後起身以及走上樓梯。

而在最後一篇論文中，DeepMind研究團隊則拿出一套能夠觀察多種不同動作並預測身體在兩個動作間過渡變化的AI方案。舉例來說，該AI能夠觀察站立的人與屈體的人，並預測肢體在兩個動作間過渡時的具體變化（如文首圖所示）。

DeepMind公司所展示的每套AI代理方案都僅能模擬相對簡單的動作，但其出現確實證明了研究人員正致力於將AI由簡單純粹的數據世界推向更加複雜且多樣的現實世界。DeepMind研究團隊在其論文中提及的部分技術最終可用於構建更為複雜的AI代理，且確保相關方案無需任何手動調整。

DeepMind研究團隊指出，其未來的工作將主要集中在指導以上方案"在更為複雜的情況下協調更為廣泛的動作範圍"。換句話來說，AI方案將由行走到奔跑逐步完成學習與改進。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！